論文の概要: Unleash the Power of Context: Enhancing Large-Scale Recommender Systems with Context-Based Prediction Models

• arxiv url: http://arxiv.org/abs/2308.01231v1
• Date: Tue, 25 Jul 2023 07:57:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-06 10:53:29.898892
• Title: Unleash the Power of Context: Enhancing Large-Scale Recommender Systems with Context-Based Prediction Models
• Title（参考訳）: コンテキストのパワーを解き放つ:コンテキストに基づく予測モデルによる大規模レコメンデーションシステムの拡張
• Authors: Jan Hartman, Assaf Klein, Davorin Kopi\v{c}, Natalia Silberstein
• Abstract要約: コンテキストベース予測モデルは、ユーザの行動の確率を、ユーザとコンテキストの特徴にのみ依存することによって決定する。 我々は、クリック確率を推定するために補助的なコンテキストベースモデルを訓練することを含む、このモデリングアプローチのための多くの貴重な応用を特定した。
• 参考スコア（独自算出の注目度）: 2.3267858167388775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we introduce the notion of Context-Based Prediction Models. A Context-Based Prediction Model determines the probability of a user's action (such as a click or a conversion) solely by relying on user and contextual features, without considering any specific features of the item itself. We have identified numerous valuable applications for this modeling approach, including training an auxiliary context-based model to estimate click probability and incorporating its prediction as a feature in CTR prediction models. Our experiments indicate that this enhancement brings significant improvements in offline and online business metrics while having minimal impact on the cost of serving. Overall, our work offers a simple and scalable, yet powerful approach for enhancing the performance of large-scale commercial recommender systems, with broad implications for the field of personalized recommendations.
• Abstract（参考訳）: 本稿では,文脈に基づく予測モデルの概念を紹介する。 コンテキストベースの予測モデルは、アイテム自体の特定の特徴を考慮せずに、ユーザとコンテキストの機能のみに依存することによって、ユーザのアクション(クリックや変換など)の確率を決定する。 我々は,クリック確率を推定するための補助的コンテキストベースモデルのトレーニングや,ctr予測モデルの特徴としてその予測を組み込むなど,このモデリング手法に多くの有用な応用方法を見出した。 この強化は、オフラインとオンラインのビジネスメトリクスを大幅に改善すると同時に、サービスコストに最小限の影響を与えます。 全体として、私たちの研究は、大規模商用レコメンデーションシステムのパフォーマンスを向上させるための、シンプルでスケーラブルで強力なアプローチを提供しています。

関連論文リスト

• A Utility-Mining-Driven Active Learning Approach for Analyzing Clickstream Sequences [21.38368444137596]
  本研究では、SHAP値(HUSPM-SHAP)モデルを用いた高ユーティリティシーケンスパターンマイニングを提案する。 本研究は,電子商取引データ処理を改良し,より合理化され,コスト効率のよい予測モデルに向けたモデルの有効性を示す。
  論文  参考訳（メタデータ） (2024-10-09T10:44:02Z)
• Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
  そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。 本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
  論文  参考訳（メタデータ） (2024-08-24T18:28:19Z)
• Training Survival Models using Scoring Rules [9.330089124239086]
  生存分析(Survival Analysis)は、不完全な時間対イベントデータに対する重要な洞察を提供する。 また、確率論的機械学習の重要な例である。 柔軟性の異なるパラメトリックと非パラメトリックのサブフレームワークを確立します。 我々は,本フレームワークを用いて,様々なパラメトリックモデルを復元し,オプティマイザベースの手法と比較して,最適化が等しく動作することを示す。
  論文  参考訳（メタデータ） (2024-03-19T20:58:38Z)
• A Bayesian Approach to Robust Inverse Reinforcement Learning [54.24816623644148]
  我々は、オフラインモデルに基づく逆強化学習(IRL)に対するベイズ的アプローチを考える。 提案フレームワークは,専門家の報酬関数と環境力学の主観的モデルとを同時推定することにより,既存のオフラインモデルベースIRLアプローチとは異なる。 本分析は, 専門家が環境の高精度なモデルを持つと考えられる場合, 評価政策が堅牢な性能を示すという新たな知見を提示する。
  論文  参考訳（メタデータ） (2023-09-15T17:37:09Z)
• Prediction-Oriented Bayesian Active Learning [51.426960808684655]
  予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。 EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-17T10:59:57Z)
• Prototypical Fine-tuning: Towards Robust Performance Under Varying Data Sizes [47.880781811936345]
  我々は、微調整事前学習言語モデル(LM)のための新しいフレームワークを提案する。 提案手法は,データポイント数やモデル固有の属性に応じて,モデルキャパシティを自動的に調整することができる。
  論文  参考訳（メタデータ） (2022-11-24T14:38:08Z)
• Off-policy evaluation for learning-to-rank via interpolating the item-position model and the position-based model [83.83064559894989]
  産業レコメンデーションシステムにとって重要なニーズは、製品にデプロイする前に、レコメンデーションポリシーをオフラインで評価する機能である。 我々は、最も人気のある2つの非政治推定器の問題を緩和する新しい推定器を開発する。 特に、InterPOLと呼ばれる新しい推定器は、潜在的に不特定位置ベースモデルのバイアスに対処する。
  論文  参考訳（メタデータ） (2022-10-15T17:22:30Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• On Variational Inference for User Modeling in Attribute-Driven Collaborative Filtering [10.64460581091531]
  本稿では,因果推論を用いて時間的文脈からユーザの属性親和性を学習する手法を提案する。 この目的を確率論的機械学習問題として定式化し、モデルパラメータを推定するために変分推論に基づく手法を適用する。
  論文  参考訳（メタデータ） (2020-12-02T22:39:58Z)
• Introduction to Rare-Event Predictive Modeling for Inferential Statisticians -- A Hands-On Application in the Prediction of Breakthrough Patents [0.0]
  本稿では,予測性能の最適化を目的とした定量的分析のための機械学習(ML)手法を提案する。 両フィールド間の潜在的な相乗効果について考察する。 我々は,コンピュータサイエンスの用語のデミスティフィケーションを目指して,定量的な社会科学の聴衆に手持ちの予測モデルの導入を行っている。
  論文  参考訳（メタデータ） (2020-03-30T13:06:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。