Fugu-MT 論文翻訳(概要): Redefining POI Popularity: Integrating User Preferences and Recency for Enhanced Recommendations

論文の概要: Redefining POI Popularity: Integrating User Preferences and Recency for Enhanced Recommendations

arxiv url: http://arxiv.org/abs/2407.05360v2
Date: Tue, 21 Jan 2025 07:39:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-22 14:14:27.208292
Title: Redefining POI Popularity: Integrating User Preferences and Recency for Enhanced Recommendations
Title（参考訳）: POIの人気を再定義する - 推奨機能強化のためのユーザの嗜好と関連性の統合
Authors: Alif Al Hasan, Md. Musfique Anwar, M. Arifur Rahman,
Abstract要約: 人気度は、次の訪問場所を選択するための決定要因の1つと考えられている。既存のアプローチは主に、POIの人気をモデル化するチェックインの数に重点を置いている。本稿では,POI の時間的効果,チェックイン数,チェックイン登録ユーザ数を考慮することで,POI の人気度を重視した定義を提案する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: The task of point-of-interest (POI) recommendation is to predict users' immediate future movements based on their previous records and present circumstances. Popularity is considered as one of the primary deciding factors for selecting the next place to visit. Existing approaches mainly focused on the number of check-ins to model the popularity of a POI. However, not enough attention is paid to the temporal impact or number of people check-ins for a particular POI. Thus, to prioritize more on recent check-ins, we propose recency-oriented definition of POI's popularity by considering the temporal effect of the POIs, the number of check-ins, as well as the number of users who registered in those check-ins. Our experimental results on real dataset show the efficacy of the proposed approach.
Abstract（参考訳）: ポイント・オブ・インテリジェンス(POI:point-of-interest)の課題は,過去の記録と現状に基づいて,ユーザの今後の動きを予測することである。人気度は、次の訪問場所を選択するための決定要因の1つと考えられている。既存のアプローチは主に、POIの人気をモデル化するチェックインの数に重点を置いている。しかし、特定のPOIに対する時間的影響やチェックイン数に十分な注意が払われていない。そこで我々は,最近のチェックインを優先するために,POIの時間的効果,チェックイン数,登録ユーザ数を考慮することで,POIの人気度指向の定義を提案する。実データを用いた実験の結果,提案手法の有効性が示された。

関連論文リスト

Enhancing Sequential Music Recommendation with Personalized Popularity Awareness [56.972624411205224]
本稿では、パーソナライズされた人気情報をシーケンシャルなレコメンデーションに組み込む新しいアプローチを提案する。実験結果から、パーソナライズされた最もポピュラーなレコメンデータは、既存の最先端モデルよりも優れていることが示された。
論文参考訳（メタデータ） (2024-09-06T15:05:12Z)
Large Language Models as Recommender Systems: A Study of Popularity Bias [46.17953988777199]
人気アイテムは不釣り合いに推奨され、あまり人気がないが、潜在的に関連のあるアイテムを誇張している。近年,汎用大規模言語モデルのレコメンデーションシステムへの統合が進んでいる。本研究は,LLMがレコメンデーションシステムにおける人気バイアスに寄与するか否かを検討する。
論文参考訳（メタデータ） (2024-06-03T12:53:37Z)
Bayes-enhanced Multi-view Attention Networks for Robust POI Recommendation [81.4999547454189]
既存の作業では、ユーザによって報告された利用可能なPOIチェックインが、ユーザ行動の真真正な描写であると仮定している。実際のアプリケーションシナリオでは、主観的および客観的な原因の両方のため、チェックインデータは信頼性が低い。本稿では,ユーザチェックインの不確実性に対処するため,ベイズ強化型マルチビュー注意ネットワークを提案する。
論文参考訳（メタデータ） (2023-11-01T12:47:38Z)
Capturing Popularity Trends: A Simplistic Non-Personalized Approach for Enhanced Item Recommendation [10.606845291519932]
Popularity-Aware Recommender (PARE) は、最も人気の高いアイテムを予測することで、非個人化されたレコメンデーションを行う。私たちの知る限り、レコメンデーションシステムでアイテムの人気を明示的にモデル化する最初の試みである。
論文参考訳（メタデータ） (2023-08-17T06:20:03Z)
A Survey on Popularity Bias in Recommender Systems [5.952279576277445]
本稿では、人気バイアスの潜在的な原因について論じ、リコメンダシステムにおける人気バイアスを検出し、緩和し、定量化するための既存のアプローチをレビューする。本稿では,主に計算実験に基づく研究であり,推奨項目に長期的項目を含めることの実践的効果について,特定の仮定を前提として,今日の文献を批判的に論じる。
論文参考訳（メタデータ） (2023-08-02T12:58:11Z)
Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文参考訳（メタデータ） (2022-10-22T17:29:34Z)
Reconciling the Quality vs Popularity Dichotomy in Online Cultural Markets [62.146882023375746]
本研究では,現在普及している商品に偏りがある可能性のあるランキングアルゴリズムにより,品質基準を隠蔽した$N$アイテムをユーザに推奨する,理想化されたオンライン文化市場のモデルを提案する。我々のゴールは、人気バイアスが高品質アイテムが低品質アイテムよりも人気になるのを防ぎ、品質と人気ランキングの間に望ましくないミスアライメントをもたらすという、よく知られた事実の根底にあるメカニズムをよりよく理解することである。
論文参考訳（メタデータ） (2022-04-28T14:36:11Z)
The Unfairness of Popularity Bias in Book Recommendation [0.0]
人気度バイアスとは、人気アイテムが頻繁に推奨されるのに対して、人気アイテムがほとんどあるいはまったく推奨されないという問題を指す。本稿では,有名な書籍分類データセットを分析し,人気商品に対する傾向に基づいて3つのユーザグループを定義した。以上の結果から,ほとんどの最先端の推薦アルゴリズムは本分野における人気バイアスに悩まされていることが示唆された。
論文参考訳（メタデータ） (2022-02-27T20:21:46Z)
Universal Off-Policy Evaluation [64.02853483874334]
ユニバーサルオフ政治推定器(UnO)への第一歩を踏み出す我々は, 平均, 分散, 分位数/中間数, 分位数範囲, cvar, および累積分布全体の推定と同時結合に uno を用いる。
論文参考訳（メタデータ） (2021-04-26T18:54:31Z)
User-centered Evaluation of Popularity Bias in Recommender Systems [4.30484058393522]
推薦とランク付けシステムは人気バイアスに悩まされ、アルゴリズムは人気アイテムを数種類選んで、他の項目の大半を下書きする傾向にある。本稿では,これらのアルゴリズムをユーザの視点から評価したい場合に,人気バイアス軽減度を評価するための既存の指標の限界を示す。ユーザ中心の視点から,人気バイアスを緩和する効果的なアプローチを提案する。
論文参考訳（メタデータ） (2021-03-10T22:12:51Z)

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。