Fugu-MT 論文翻訳(概要): A Survey of Retrieval Algorithms in Ad and Content Recommendation Systems

論文の概要: A Survey of Retrieval Algorithms in Ad and Content Recommendation Systems

arxiv url: http://arxiv.org/abs/2407.01712v1
Date: Fri, 21 Jun 2024 02:31:03 GMT
ステータス: 処理完了
システム内更新日: 2024-07-07 13:24:39.562664
Title: A Survey of Retrieval Algorithms in Ad and Content Recommendation Systems
Title（参考訳）: 広告・コンテンツ推薦システムにおける検索アルゴリズムの検討
Authors: Yu Zhao,
Abstract要約: 本稿では,広告レコメンデーションやコンテンツレコメンデーションシステムにおいて最も有効な検索アルゴリズムについて検討する。広告ターゲティングアルゴリズムは、パーソナライズされた広告を提供するために、詳細なユーザープロファイルと行動データに依存している。オーガニック検索システムは,ユーザの好みに合ったコンテンツを推奨することで,ユーザエクスペリエンスの向上を目指している。
参考スコア（独自算出の注目度）: 2.330531421551331
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This survey examines the most effective retrieval algorithms utilized in ad recommendation and content recommendation systems. Ad targeting algorithms rely on detailed user profiles and behavioral data to deliver personalized advertisements, thereby driving revenue through targeted placements. Conversely, organic retrieval systems aim to improve user experience by recommending content that matches user preferences. This paper compares these two applications and explains the most effective methods employed in each.
Abstract（参考訳）: 本稿では,広告レコメンデーションやコンテンツレコメンデーションシステムにおいて最も有効な検索アルゴリズムについて検討する。広告ターゲティングアルゴリズムは、パーソナライズされた広告を提供するために、詳細なユーザープロファイルと行動データに依存している。逆に,オーガニック検索システムは,ユーザの好みに合ったコンテンツを推薦することで,ユーザエクスペリエンスの向上を目指している。本稿では、これらの2つのアプリケーションを比較し、それぞれに最も効果的な方法を説明します。

関連論文リスト

Enhancing CTR Prediction in Recommendation Domain with Search Query Representation [31.86615693808628]
本稿では,ユーザ検索クエリの埋め込みから,レコメンデーションドメインにおけるユーザの好みのコンテキスト内で学習するフレームワークを提案する。具体的には、検索ドメインからのユーザ検索クエリシーケンスを使用して、レコメンデーションドメインの次の時点にユーザーがクリックするアイテムを予測する。
論文参考訳（メタデータ） (2024-10-28T19:52:09Z)
Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。 9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文参考訳（メタデータ） (2024-10-03T13:02:07Z)
A Comprehensive Survey on Retrieval Methods in Recommender Systems [32.1847120460637]
本調査では,レコメンデータシステムの重要かつ見落とされがちな検索段階について検討する。高精度かつ効率的なパーソナライズされた検索を実現するために,既存の作業を3つの重要な領域にまとめる。特定の企業における検索実践のケーススタディを通じて、現在の産業応用を取り上げる。
論文参考訳（メタデータ） (2024-07-11T07:09:59Z)
How to Diversify any Personalized Recommender? A User-centric Pre-processing approach [0.0]
推薦性能を維持しつつ,Top-Nレコメンデーションの多様性を向上させるための新しいアプローチを提案する。当社のアプローチでは,ユーザを幅広いコンテンツカテゴリやトピックに公開するための,ユーザ中心の事前処理戦略を採用しています。
論文参考訳（メタデータ） (2024-05-03T15:02:55Z)
Advancing Recommender Systems by mitigating Shilling attacks [0.0]
コラボレーティブ・フィルタリングは、優れた性能のため、リコメンデーションの計算に広く使われている手法である。本稿では,システム内のシリングプロファイルを正確に検出するアルゴリズムを提案するとともに,そのようなプロファイルがレコメンデーションに与える影響について検討する。
論文参考訳（メタデータ） (2024-04-24T20:05:39Z)
Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
論文参考訳（メタデータ） (2022-07-04T17:58:39Z)
Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
論文参考訳（メタデータ） (2022-06-26T12:07:56Z)
Exploring Customer Price Preference and Product Profit Role in Recommender Systems [0.4724825031148411]
我々は,レコメンデーションシステムの利益意識を操作する効果を示す。本稿では,スコアベースのレコメンデータシステムにおいて,予測ランキングの調整を提案する。実験では、精度と生成したレコメンデーションの利益の両方を改善する能力を示す。
論文参考訳（メタデータ） (2022-03-13T12:08:06Z)
Deep Learning feature selection to unhide demographic recommender systems factors [63.732639864601914]
行列分解モデルは意味的知識を含まない因子を生成する。 DeepUnHideは、協調フィルタリングレコメンデータシステムにおいて、ユーザとアイテムファクタから、人口統計情報を抽出することができる。
論文参考訳（メタデータ） (2020-06-17T17:36:48Z)
Fairness-Aware Explainable Recommendation over Knowledge Graphs [73.81994676695346]
ユーザのアクティビティのレベルに応じて異なるグループのユーザを分析し、異なるグループ間での推奨パフォーマンスにバイアスが存在することを確認する。不活性なユーザは、不活性なユーザのためのトレーニングデータが不十分なため、不満足なレコメンデーションを受けやすい可能性がある。本稿では、知識グラフに対する説明可能な推奨という文脈で、この問題を緩和するために再ランク付けすることで、公平性に制約されたアプローチを提案する。
論文参考訳（メタデータ） (2020-06-03T05:04:38Z)
A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。これらの作業で使用されるデータセットを紹介します。
論文参考訳（メタデータ） (2020-02-28T02:26:30Z)

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。