論文の概要: CF Recommender System Based on Ontology and Nonnegative Matrix Factorization (NMF)

• arxiv url: http://arxiv.org/abs/2406.10235v1
• Date: Fri, 31 May 2024 14:50:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 23:05:24.580782
• Title: CF Recommender System Based on Ontology and Nonnegative Matrix Factorization (NMF)
• Title（参考訳）: オントロジーと非負行列分解(NMF)に基づくCFレコメンダシステム
• Authors: Sajida Mhammedi, Hakim El Massari, Noreddine Gherabi, Amnai Mohamed,
• Abstract要約: この作業は、レコメンダシステムのデータ空間と精度の問題に対処する。 実装されたアプローチは、CF提案の空白度を効果的に削減し、その正確性を改善し、より関連性の高い項目を推奨する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Recommender systems are a kind of data filtering that guides the user to interesting and valuable resources within an extensive dataset. by providing suggestions of products that are expected to match their preferences. However, due to data overloading, recommender systems struggle to handle large volumes of data reliably and accurately before offering suggestions. The main purpose of this work is to address the recommender system's data sparsity and accuracy problems by using the matrix factorization algorithm of collaborative filtering based on the dimensional reduction method and, more precisely, the Nonnegative Matrix Factorization (NMF) combined with ontology. We tested the method and compared the results to other classic methods. The findings showed that the implemented approach efficiently reduces the sparsity of CF suggestions, improves their accuracy, and gives more relevant items as recommendations.
• Abstract（参考訳）: Recommenderシステム(Recommender system)は、ユーザを巨大なデータセット内の興味深い貴重なリソースに誘導するデータフィルタリングの一種である。 好みに合った商品を 提案することです しかし、データ過負荷のため、レコメンダシステムは提案する前に大量のデータを確実かつ正確に扱うのに苦労する。 本研究の主な目的は, 次元還元法に基づく協調フィルタリングの行列分解アルゴリズムと, より正確には, オントロジーと組み合わせた非負行列分解(NMF)を用いて, 推薦システムのデータの分散性と精度の問題に対処することである。 提案手法を検証し,他の古典的手法と比較した。 その結果,提案手法はCF提案の空白度を効果的に低減し,精度を向上し,より関連性の高い項目を推薦することを示した。

関連論文リスト

• Preference Diffusion for Recommendation [50.8692409346126]
  DMベースのレコメンデータに適した最適化対象であるPreferDiffを提案する。 PreferDiffは、BPRをログライクなランキング目標に変換することで、ユーザの好みをよりよく把握する。 これはDMベースのレコメンデーション向けに特別に設計された、パーソナライズされたランキングの損失である。
  論文  参考訳（メタデータ） (2024-10-17T01:02:04Z)
• Data Imputation using Large Language Model to Accelerate Recommendation System [3.853804391135035]
  そこで本稿では,LLM(Large-Tune Large Language Model)を提案する。 大量のテキストで訓練されたLLMは、データ間の複雑な関係を理解し、行方不明の情報をインテリジェントに埋めることができる。 この強化されたデータは、より正確でパーソナライズされた提案を生成するためにレコメンデーションシステムによって使用される。
  論文  参考訳（メタデータ） (2024-07-14T04:53:36Z)
• Transforming Movie Recommendations with Advanced Machine Learning: A Study of NMF, SVD,and K-Means Clustering [0.0]
  本研究では,様々な機械学習技術を用いて,ロバストな映画レコメンデーションシステムを開発する。 主な目的は、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ことでユーザーエクスペリエンスを向上させることである。
  論文  参考訳（メタデータ） (2024-07-12T01:26:33Z)
• Recommendation Unlearning via Matrix Correction [17.457533987238975]
  本稿では,非学習を推奨するためのインタラクション・マッピング・マトリクス補正(IMCorrect)手法を提案する。 IMCorrectは完全性、実用性、効率性が優れており、多くのレコメンデーションアンラーニングシナリオに適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-29T11:36:38Z)
• Broad Recommender System: An Efficient Nonlinear Collaborative Filtering Approach [56.12815715932561]
  我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。 深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。 7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
  論文  参考訳（メタデータ） (2022-04-20T01:25:08Z)
• GHRS: Graph-based Hybrid Recommendation System with Application to Movie Recommendation [0.0]
  本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。 オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。 The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
  論文  参考訳（メタデータ） (2021-11-06T10:47:45Z)
• Reenvisioning Collaborative Filtering vs Matrix Factorization [65.74881520196762]
  近年,行列因数分解に基づく協調フィルタリングモデルや,ニューラルネットワーク(ANN)を用いた類似性の学習が注目されている。 推薦エコシステム内でのANNの発表が最近疑問視され、効率性と有効性に関していくつかの比較がなされている。 本研究では,これらの手法が相補的評価次元に与える影響を解析しながら,超精度評価にもたらす可能性を示す。
  論文  参考訳（メタデータ） (2021-07-28T16:29:38Z)
• Modurec: Recommender Systems with Feature and Time Modulation [50.51144496609274]
  特徴量変調機構を用いて利用可能な情報を全て組み合わせたオートエンコーダに基づくModurecを提案する。 Movielensデータセットでは、これらの修正によって、最も評価された設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2020-10-13T09:18:33Z)
• S^3-Rec: Self-Supervised Learning for Sequential Recommendation with Mutual Information Maximization [104.87483578308526]
  本稿では,シーケンスレコメンデーションのための自己改善学習のためのモデルS3-Recを提案する。 そこで本稿では,属性,項目,サブシーケンス,シーケンス間の相関関係を学習するために,4つの補助的自己教師対象を考案する。 6つの実世界のデータセットで実施された大規模な実験は、既存の最先端手法よりも提案手法が優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-18T11:44:10Z)
• Providing reliability in Recommender Systems through Bernoulli Matrix Factorization [63.732639864601914]
  本稿では,予測値と信頼性値の両方を提供するためにBernoulli Matrix Factorization (BeMF)を提案する。 BeMFはメモリベースのフィルタリングではなく、モデルベースの協調フィルタリングに作用する。 予測の信頼性が高ければ高いほど、それが間違っているという責任は少なくなる。
  論文  参考訳（メタデータ） (2020-06-05T14:24:27Z)

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。