論文の概要: RE-RecSys: An End-to-End system for recommending properties in Real-Estate domain

• arxiv url: http://arxiv.org/abs/2404.16553v1
• Date: Thu, 25 Apr 2024 12:09:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-26 13:49:56.893387
• Title: RE-RecSys: An End-to-End system for recommending properties in Real-Estate domain
• Title（参考訳）: Re-RecSys: Real-Estate ドメインのプロパティを推奨する End-to-End システム
• Authors: Venkatesh C, Harshit Oberoi, Anil Goyal, Nikhil Sikka,
• Abstract要約: 本稿では,リアルタイムなレコメンデーションシステムRE-RecSysを提案する。 利用可能な履歴データに基づいて,すべてのユーザを4つのカテゴリに分類する。 提案したパイプラインは,1000rpmで平均40msのレイテンシで実世界のシナリオでデプロイ可能であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose an end-to-end real-estate recommendation system, RE-RecSys, which has been productionized in real-world industry setting. We categorize any user into 4 categories based on available historical data: i) cold-start users; ii) short-term users; iii) long-term users; and iv) short-long term users. For cold-start users, we propose a novel rule-based engine that is based on the popularity of locality and user preferences. For short-term users, we propose to use content-filtering model which recommends properties based on recent interactions of users. For long-term and short-long term users, we propose a novel combination of content and collaborative filtering based approach which can be easily productionized in the real-world scenario. Moreover, based on the conversion rate, we have designed a novel weighing scheme for different impressions done by users on the platform for the training of content and collaborative models. Finally, we show the efficiency of the proposed pipeline, RE-RecSys, on a real-world property and clickstream dataset collected from leading real-estate platform in India. We show that the proposed pipeline is deployable in real-world scenario with an average latency of <40 ms serving 1000 rpm.
• Abstract（参考訳）: 本稿では,リアルタイムなレコメンデーションシステムRE-RecSysを提案する。 利用可能な履歴データに基づいて,すべてのユーザを4つのカテゴリに分類する。 i) コールドスタート使用者 二 短期使用者 三 長期使用者 iv)短期使用者。 コールドスタートユーザに対しては,局所性やユーザの嗜好に基づくルールベースの新しいエンジンを提案する。 短期ユーザに対しては,最近のユーザインタラクションに基づいてプロパティを推奨するコンテンツフィルタリングモデルを提案する。 長期・短期のユーザに対しては,現実のシナリオで容易に生産できるコンテンツと協調フィルタリングに基づく新しい組み合わせを提案する。 さらに、変換率に基づいて、コンテンツや協調モデルのトレーニングを行うプラットフォーム上で、ユーザによる異なる印象に対する新たな重み付け方式を設計した。 最後に、提案したパイプラインであるRE-RecSysの実際のプロパティとインドの主要な不動産プラットフォームから収集したクリックストリームデータセットの効率を示す。 提案したパイプラインは実世界のシナリオでデプロイ可能であり,平均レイテンシは<40 msで1000 rpmである。

関連論文リスト

• EmbSum: Leveraging the Summarization Capabilities of Large Language Models for Content-Based Recommendations [38.44534579040017]
  ユーザと候補項目のオフライン事前計算を可能にするフレームワークであるEmbSumを紹介する。 このモデルがユーザ興味の要約を生成する能力は貴重な副産物であり、パーソナライズされたコンテンツレコメンデーションに有用である。
  論文  参考訳（メタデータ） (2024-05-19T04:31:54Z)
• Large Language Models meet Collaborative Filtering: An Efficient All-round LLM-based Recommender System [19.8986219047121]
  協調フィルタリング推薦システム (CF-RecSys) は, ソーシャルメディアやeコマースプラットフォーム上でのユーザエクスペリエンス向上に成功している。 近年の戦略は、事前訓練されたモダリティエンコーダと大規模言語モデルに基づくユーザ/イテムのモダリティ情報の活用に重点を置いている。 コールドシナリオだけでなく、ウォームシナリオにおいても優れたA-LLMRecと呼ばれる全周LCMベースのレコメンダシステムを提案する。
  論文  参考訳（メタデータ） (2024-04-17T13:03:07Z)
• Vision-based Semantic Communications for Metaverse Services: A Contest Theoretic Approach [66.10465001046762]
  Metaverseでは、アバターを更新し、ユーザの振る舞いを反映してレンダリングする必要がある。 ユーザとMPP間のインタラクションをモデル化する意味コミュニケーションフレームワークを提案する。 我々はセマンティック通信技術を用いて送信するデータの量を削減する。
  論文  参考訳（メタデータ） (2023-08-15T07:56:33Z)
• Hierarchical Reinforcement Learning for Modeling User Novelty-Seeking Intent in Recommender Systems [26.519571240032967]
  本稿では,階層型ユーザ新規検索意図をモデル化する階層型強化学習手法を提案する。 さらに, 階層的RL (HRL) エージェントの報酬関数に多様性と新規性に関連する測定を取り入れ, ユーザの探索を促進する。
  論文  参考訳（メタデータ） (2023-06-02T12:02:23Z)
• Federated Privacy-preserving Collaborative Filtering for On-Device Next App Prediction [52.16923290335873]
  本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。 古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。 提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
  論文  参考訳（メタデータ） (2023-02-05T10:29:57Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• The Minority Matters: A Diversity-Promoting Collaborative Metric Learning Algorithm [154.47590401735323]
  CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。 本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。 textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:02:18Z)
• PinnerFormer: Sequence Modeling for User Representation at Pinterest [60.335384724891746]
  我々は、ユーザの将来的なエンゲージメントを予測するためにトレーニングされたユーザ表現であるPinnerFormerを紹介する。 従来のアプローチとは異なり、新しい密集した全アクション損失を通じて、モデリングをバッチインフラストラクチャに適応させます。 その結果,1日に1回発生するバッチユーザ埋め込みと,ユーザがアクションを行うたびに発生するリアルタイムユーザ埋め込みとの間には,大きなギャップがあることが判明した。
  論文  参考訳（メタデータ） (2022-05-09T18:26:51Z)
• A Dynamic Meta-Learning Model for Time-Sensitive Cold-Start Recommendations [24.815498451832347]
  本稿では,過去にインタラクションがあったが,最近は比較的非アクティブなユーザに焦点を当てた,新しい動的レコメンデーションモデルを提案する。 近年のインタラクションが不足しているため、これらのユーザの現在の好みを正確に把握することは困難である。
  論文  参考訳（メタデータ） (2022-04-03T02:04:12Z)
• NxtPost: User to Post Recommendations in Facebook Groups [12.69028536073416]
  NxtPostはFacebookグループ向けのシーケンシャルレコメンデーションシステムである。 NLPの最近の進歩にインスパイアされた我々は、Transformerベースのモデルをシーケンシャルレコメンデーションの領域に適応させた。
  論文  参考訳（メタデータ） (2022-02-08T04:59:56Z)
• Learning to Learn a Cold-start Sequential Recommender [70.5692886883067]
  コールドスタート勧告は、現代のオンラインアプリケーションにおいて緊急の問題である。 メタ学習に基づくコールドスタートシーケンシャルレコメンデーションフレームワークMetaCSRを提案する。 MetaCSRは、通常のユーザの行動から共通のパターンを学ぶ能力を持っている。
  論文  参考訳（メタデータ） (2021-10-18T08:11:24Z)

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。