論文の概要: Context-Aware Service Recommendation System for the Social Internet of
Things
- arxiv url: http://arxiv.org/abs/2308.08499v1
- Date: Mon, 14 Aug 2023 14:40:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-17 12:23:06.145550
- Title: Context-Aware Service Recommendation System for the Social Internet of
Things
- Title（参考訳）: モノのソーシャルインターネットのためのコンテキスト対応サービス推薦システム
- Authors: Amar Khelloufi, Huansheng Ning, Abdelkarim Ben Sada, Abdenacer Naouri
and Sahraoui Dhelim
- Abstract要約: Social Internet of Things(SIoT)は、相互接続されたスマートデバイスがデータとサービスを共有することを可能にし、パーソナライズされたサービスレコメンデーションの機会を開放する。
既存の技術は、デバイス間の社会的関係の抽出を考慮し、サービスレビューの文脈的提示を無視する傾向にある。
本研究は,各デバイスサービスペアのコンテキスト表現を探索することにより,これらのギャップに対処することを目的とする。
- 参考スコア（独自算出の注目度）: 3.0748861313823
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Social Internet of Things (SIoT) enables interconnected smart devices to
share data and services, opening up opportunities for personalized service
recommendations. However, existing research often overlooks crucial aspects
that can enhance the accuracy and relevance of recommendations in the SIoT
context. Specifically, existing techniques tend to consider the extraction of
social relationships between devices and neglect the contextual presentation of
service reviews. This study aims to address these gaps by exploring the
contextual representation of each device-service pair. Firstly, we propose a
latent features combination technique that can capture latent feature
interactions, by aggregating the device-device relationships within the SIoT.
Then, we leverage Factorization Machines to model higher-order feature
interactions specific to each SIoT device-service pair to accomplish accurate
rating prediction. Finally, we propose a service recommendation framework for
SIoT based on review aggregation and feature learning processes. The
experimental evaluation demonstrates the framework's effectiveness in improving
service recommendation accuracy and relevance.
- Abstract（参考訳）: Social Internet of Things(SIoT)は、相互接続されたスマートデバイスがデータとサービスを共有することを可能にし、パーソナライズされたサービスレコメンデーションの機会を開放する。
しかしながら、既存の研究は、SIoTコンテキストにおけるレコメンデーションの正確性と関連性を高める重要な側面をしばしば見落としている。
具体的には、既存の技術はデバイス間の社会的関係の抽出を考慮し、サービスレビューの文脈的提示を無視する傾向にある。
本研究は,各デバイス・サービスペアのコンテキスト表現を探索することで,これらのギャップに対処することを目的とする。
まず、SIoT内のデバイスデバイス間の関係を集約することにより、潜在機能インタラクションをキャプチャできる潜在機能の組み合わせ手法を提案する。
次に、Facterization Machinesを利用して、各SIoTデバイスサービスに特有の高次機能インタラクションをモデル化し、正確なレーティング予測を行う。
最後に、レビューアグリゲーションと特徴学習プロセスに基づくSIoTのためのサービスレコメンデーションフレームワークを提案する。
実験的評価は、サービス推薦の精度と妥当性を改善するためのフレームワークの有効性を示す。
関連論文リスト
- A Survey on Intent-aware Recommender Systems [8.761638205244427]
推薦システムは、ある時点にサービスを利用するというユーザの意図を考慮に入れることを目的としている。
本稿では,次世代のIntent-Aware Recommender Systemsを構築するための既存のアプローチを調査し,分類する。
論文 参考訳（メタデータ） (2024-06-24T06:46:32Z) - Semantic-Enhanced Relational Metric Learning for Recommender Systems [27.330164862413184]
近年,知識グラフの翻訳機構に触発された推薦コミュニティにおいて,計量学習手法が注目されている。
本稿では,推薦システムにおける問題に対処するためのセマンティック拡張メトリックラーニングフレームワークを提案する。
具体的には、まず、豊富な特徴とパーソナライズされたユーザー嗜好を含む対象レビューから意味信号を抽出する。
次に、抽出した意味信号を利用して、新しい回帰モデルを設計し、元の関係に基づくトレーニングプロセスの識別能力を向上させる。
論文 参考訳（メタデータ） (2024-06-07T11:54:50Z) - When Search Meets Recommendation: Learning Disentangled Search
Representation for Recommendation [56.98380787425388]
シークエンシャルレコメンデーション(SESRec)のための検索強化フレームワークを提案する。
SESRec は、S&R の振る舞いにおいて類似および異種表現を分離する。
産業用と公共用両方のデータセットの実験では、SESRecが最先端のモデルより一貫して優れていることが示されている。
論文 参考訳（メタデータ） (2023-05-18T09:04:50Z) - TPMCF: Temporal QoS Prediction using Multi-Source Collaborative Features [0.5161531917413706]
時間的予測は、時間とともに適切なサービスを特定するために不可欠である。
近年の手法は, 様々な制約により, 所望の精度が得られなかった。
本稿では,マルチソース協調機能を用いた時間予測のためのスケーラブルな戦略を提案する。
論文 参考訳（メタデータ） (2023-03-30T06:49:53Z) - Improving Recommendation Relevance by simulating User Interest [77.34726150561087]
不活発な項目のランクを反復的に減らすことにより、リコメンデーション"レコメンデーション"が、簡単かつ透過的に維持可能であることを観察する。
この研究の背景にある基本的なアイデアは、オンラインレコメンデーションシステムの文脈で特許を取得している。
論文 参考訳（メタデータ） (2023-02-03T03:35:28Z) - Recent Advances in Heterogeneous Relation Learning for Recommendation [5.390295867837705]
異種関係学習に焦点を当てたレコメンデーションフレームワークの開発について概説する。
このタスクの目的は、不均一な関係データを潜在表現空間にマッピングすることである。
本稿では,行列分解,注意機構,グラフニューラルネットワークなど,各カテゴリの学習手法について論じる。
論文 参考訳（メタデータ） (2021-10-07T13:32:04Z) - An Overview of Recommender Systems and Machine Learning in Feature
Modeling and Configuration [55.67505546330206]
レコメンダーシステムおよび機械学習技術の適用に関連する潜在的な新しい研究ラインの概要を説明します。
本論文では,レコメンダーシステムと機械学習の応用例を示し,今後の研究課題について考察する。
論文 参考訳（メタデータ） (2021-02-12T17:21:36Z) - Evaluating Interactive Summarization: an Expansion-Based Framework [97.0077722128397]
対話型要約のためのエンドツーエンド評価フレームワークを開発した。
我々のフレームワークには、実際のユーザセッションの収集手順と、標準に依存する評価方法が含まれています。
当社のソリューションはすべて、ベンチマークとして公開されることを意図しています。
論文 参考訳（メタデータ） (2020-09-17T15:48:13Z) - Recommender Systems for the Internet of Things: A Survey [53.865011795953706]
勧告は、モノのインターネット(Internet of Things)の利益を開発し、促進する上で重要な段階である。
従来のレコメンデータシステムは、成長を続ける、動的で、異質なIoTデータを活用することができません。
論文 参考訳（メタデータ） (2020-07-14T01:24:44Z) - Service mining for Internet of Things [1.6371451481715193]
Internet of Thingsサービスのボトムアップで興味深い関係を見つけるためのサービスマイニングフレームワークが提案されている。
発見されたサービス関係の面白さを評価するための指標のセットを提示する。
論文 参考訳（メタデータ） (2020-05-14T11:58:34Z) - A Bayesian Approach to Conversational Recommendation Systems [60.12942570608859]
ベイズ的アプローチに基づく会話推薦システムを提案する。
エンターテイナーを予約するオンラインプラットフォームであるemphstagend.comへのこのアプローチの適用に基づくケーススタディについて論じる。
論文 参考訳（メタデータ） (2020-02-12T15:59:31Z)
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。