論文の概要: Preference Elicitation with Soft Attributes in Interactive Recommendation

• arxiv url: http://arxiv.org/abs/2311.02085v1
• Date: Sun, 22 Oct 2023 17:23:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-12 19:57:57.666953
• Title: Preference Elicitation with Soft Attributes in Interactive Recommendation
• Title（参考訳）: インタラクティブレコメンデーションにおけるソフト属性による選好誘発
• Authors: Erdem Biyik and Fan Yao and Yinlam Chow and Alex Haig and Chih-wei Hsu and Mohammad Ghavamzadeh and Craig Boutilier
• Abstract要約: 本研究では,ソフト属性を適応し,アイテムと属性に基づく嗜好を引き出す新しい選好選好方法を提案する。 提案手法は,商品とソフト属性の両方を用いてユーザに対してクエリを行い,レコメンデーション品質を改善するために,レコメンデーションシステムの好みに対する信念を更新する。
• 参考スコア（独自算出の注目度）: 39.74528988497788
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Preference elicitation plays a central role in interactive recommender systems. Most preference elicitation approaches use either item queries that ask users to select preferred items from a slate, or attribute queries that ask them to express their preferences for item characteristics. Unfortunately, users often wish to describe their preferences using soft attributes for which no ground-truth semantics is given. Leveraging concept activation vectors for soft attribute semantics, we develop novel preference elicitation methods that can accommodate soft attributes and bring together both item and attribute-based preference elicitation. Our techniques query users using both items and soft attributes to update the recommender system's belief about their preferences to improve recommendation quality. We demonstrate the effectiveness of our methods vis-a-vis competing approaches on both synthetic and real-world datasets.
• Abstract（参考訳）: 嗜好誘発はインタラクティブなレコメンデーションシステムにおいて中心的な役割を果たす。 ほとんどの嗜好推論アプローチでは、ユーザが好みの項目をスレートから選択するよう求める項目クエリや、アイテム特性の嗜好を表現するように求める属性クエリを使用する。 残念なことに、ユーザは、基幹的な意味論が与えられないソフト属性を使って、自分の好みを記述したい場合が多い。 ソフト属性のセマンティクスのための概念アクティベーションベクトルを活用することで、ソフト属性を適応し、アイテムと属性に基づく嗜好の双方をまとめる新しい選好推論手法を開発する。 提案手法は,商品とソフト属性の両方を用いてユーザに対して,レコメンデーション品質を改善するために,レコメンデーションシステムの好みに対する信念を更新する。 合成および実世界のデータセットにおける競合する手法の有効性を示す。

関連論文リスト

• A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
  選好選好における選好バイアスの影響について検討した。 大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。 本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
  論文  参考訳（メタデータ） (2024-05-01T14:56:56Z)
• FineRec:Exploring Fine-grained Sequential Recommendation [28.27273649170967]
  本稿では,属性-選択対のレビューを精査し,逐次レコメンデーションを微妙に処理する新しいフレームワークを提案する。 各属性に対して、ユニークな属性固有のユーザ-オピニオン-イットグラフが作成され、対応する意見が異質なユーザノードとアイテムノードをリンクするエッジとして機能する。 本稿では,属性固有のユーザ/イテム表現をすべての属性にわたって統合し,レコメンデーションを生成するためのインタラクション駆動型融合機構を提案する。
  論文  参考訳（メタデータ） (2024-04-19T16:04:26Z)
• Comparison-based Conversational Recommender System with Relative Bandit Feedback [15.680698037463488]
  比較に基づく会話推薦システムを提案する。 我々はRelativeConUCBと呼ばれる新しい帯域幅アルゴリズムを提案する。 合成および実世界の両方のデータセットに対する実験により,提案手法の利点が検証された。
  論文  参考訳（メタデータ） (2022-08-21T08:05:46Z)
• Discovering Personalized Semantics for Soft Attributes in Recommender Systems using Concept Activation Vectors [34.56323846959459]
  インタラクティブなレコメンデータシステムは、ユーザがよりリッチな方法で意図、好み、制約、コンテキストを表現することを可能にする。 課題の1つは、ユーザのセマンティックな意図を、しばしば望ましい項目を記述するために使用されるオープンエンドの用語や属性から推測することである。 このような属性のセマンティクスを捉える表現を学習し、それをレコメンデーションシステムにおけるユーザの好みや行動に結びつけるためのフレームワークを開発する。
  論文  参考訳（メタデータ） (2022-02-06T18:45:15Z)
• Content-Based Personalized Recommender System Using Entity Embeddings [0.0]
  本稿では,学習した埋め込みを通して,コンテンツベースのアプローチの利点を強調することを目的とする。 ジャンルやキーワードタグなどの様々な映画機能に対するユーザの好みに基づいて、より良くパーソナライズされた映画レコメンデーションを提供する。
  論文  参考訳（メタデータ） (2020-10-24T06:25:13Z)
• Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion [77.21442487537139]
  対話型レコメンデータシステム(CRS)は,対話型対話を通じて高品質なアイテムをユーザに推薦することを目的としている。 まず、会話データ自体にユーザの好みを正確に理解するための十分なコンテキスト情報がない。 第二に、自然言語表現とアイテムレベルのユーザ嗜好の間には意味的なギャップがある。
  論文  参考訳（メタデータ） (2020-07-08T11:14:23Z)
• Joint Item Recommendation and Attribute Inference: An Adaptive Graph Convolutional Network Approach [61.2786065744784]
  レコメンデーションシステムでは、ユーザとアイテムは属性に関連付けられ、ユーザはアイテムの好みを表示する。 ユーザ(item)属性をアノテートすることは労働集約的なタスクであるため、属性値が欠落している多くの属性値と不完全であることが多い。 本稿では,共同項目推薦と属性推論のための適応グラフ畳み込みネットワーク(AGCN)アプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-25T10:50:01Z)
• Seamlessly Unifying Attributes and Items: Conversational Recommendation for Cold-Start Users [111.28351584726092]
  コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。 会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
  論文  参考訳（メタデータ） (2020-05-23T08:56:37Z)
• 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。