論文の概要: SocialRec: User Activity Based Post Weighted Dynamic Personalized Post Recommendation System in Social Media
- arxiv url: http://arxiv.org/abs/2407.09747v1
- Date: Sat, 13 Jul 2024 02:46:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 20:58:50.153343
- Title: SocialRec: User Activity Based Post Weighted Dynamic Personalized Post Recommendation System in Social Media
- Title（参考訳）: SocialRec: ソーシャルメディアにおける動的パーソナライズされたポストレコメンデーションシステム
- Authors: Ismail Hossain, Sai Puppala, Md Jahangir Alam, Sajedul Talukder,
- Abstract要約: 我々は、さまざまなトピックに関する投稿やエンゲージメントを含む、時間の経過とともにユーザー履歴を分析します。
ユーザのプロフィールを考慮し、彼らの活動とソーシャルメディアプラットフォームとの間のつながりを求める。
- 参考スコア（独自算出の注目度）: 5.5997926295092295
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User activities can influence their subsequent interactions with a post, generating interest in the user. Typically, users interact with posts from friends by commenting and using reaction emojis, reflecting their level of interest on social media such as Facebook, Twitter, and Reddit. Our objective is to analyze user history over time, including their posts and engagement on various topics. Additionally, we take into account the user's profile, seeking connections between their activities and social media platforms. By integrating user history, engagement, and persona, we aim to assess recommendation scores based on relevant item sharing by Hit Rate (HR) and the quality of the ranking system by Normalized Discounted Cumulative Gain (NDCG), where we achieve the highest for NeuMF 0.80 and 0.6 respectively. Our hybrid approach solves the cold-start problem when there is a new user, for new items cold-start problem will never occur, as we consider the post category values. To improve the performance of the model during cold-start we introduce collaborative filtering by looking for similar users and ranking the users based on the highest similarity scores.
- Abstract（参考訳）: ユーザアクティビティは、投稿とその後のインタラクションに影響を与える可能性があるため、ユーザへの関心が生まれます。
通常、ユーザーはコメントやリアクション絵文字を使って友達からの投稿と対話し、Facebook、Twitter、Redditといったソーシャルメディアへの関心レベルを反映する。
我々の目的は、さまざまなトピックに対する投稿やエンゲージメントを含む、時間の経過とともにユーザー履歴を分析することである。
さらに,利用者のプロフィールを考慮し,活動とソーシャルメディアプラットフォームとのつながりを求める。
ユーザ履歴,エンゲージメント,ペルソナを統合することで,ヒットレート(HR)による項目共有と正規化カウント累積ゲイン(NDCG)によるランキングシステムの品質に基づいて推薦スコアの評価を行おうとする。
我々のハイブリッドアプローチは、新しいユーザーがいるときのコールドスタート問題を解き、ポストカテゴリの値を考えると、新しいアイテムのコールドスタート問題は決して発生しない。
冷間開始時のモデルの性能向上のために、類似ユーザを探し、最も類似度の高いスコアに基づいてユーザをランク付けすることで協調フィルタリングを導入する。
関連論文リスト
- Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。
参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。
この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
論文 参考訳（メタデータ） (2024-05-09T07:36:08Z) - Learning Social Graph for Inactive User Recommendation [50.090904659803854]
LSIRはソーシャルレコメンデーションのための最適なソーシャルグラフ構造を学習する。
実世界のデータセットの実験では、LSIRはNDCGで最大129.58%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2024-05-08T03:40:36Z) - Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。
アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。
本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
論文 参考訳（メタデータ） (2024-04-19T16:45:50Z) - Our Model Achieves Excellent Performance on MovieLens: What Does it Mean? [43.3971105361606]
我々は、MovieLensデータセットの綿密な分析を行う。
MovieLensプラットフォームと対話する場合、異なる段階でのユーザインタラクションには大きな違いがある。
そこで本研究では,MovieLensシステムで使用されるインタラクション生成機構と,一般的な実世界のレコメンデーションシナリオとの相違について論じる。
論文 参考訳（メタデータ） (2023-07-19T13:44:32Z) - Graph Collaborative Signals Denoising and Augmentation for
Recommendation [75.25320844036574]
ユーザ・ユーザ・項目間の相関を組み込んだグラフ隣接行列を提案する。
ユーザ・ユーザ・イテム相関と項目・イテム相関が組み合わさることで,豊富なインタラクションと不十分なインタラクションを持つユーザのレコメンデーションが向上することを示す。
論文 参考訳（メタデータ） (2023-04-06T19:43:37Z) - 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) - Leveraging Social Influence based on Users Activity Centers for
Point-of-Interest Recommendation [2.896192909215469]
明示的な友情ネットワークとユーザ間の高いチェックインオーバラップに基づく2段階の友情を導入する。
その結果,提案手法は2つの実世界のデータセットにおいて最先端のモデルよりも優れていた。
論文 参考訳（メタデータ） (2022-01-10T16:46:27Z) - Using Social Media Background to Improve Cold-start Recommendation Deep
Models [8.444156978118087]
本稿では,ソーシャルメディアの背景を余分な文脈情報として利用してレコメンデーションモデルを改善することができるかどうかを検討する。
既存のディープニューラルネットワークモデルに基づいて,ソーシャルメディアの背景を埋め込みとして表現する方法を提案する。
その結果,既存のモデルとソーシャルメディアの背景を融合させる手法は,一般的にレコメンデーション性能を向上させることが示唆された。
論文 参考訳（メタデータ） (2021-06-04T04:46:29Z) - Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。
高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
論文 参考訳（メタデータ） (2021-03-16T11:08:30Z) - Dynamic Graph Collaborative Filtering [64.87765663208927]
動的レコメンデーションは,逐次データに基づくリアルタイム予測を提供するレコメンデータシステムにとって不可欠である。
本稿では、動的グラフを利用して協調関係とシーケンシャル関係をキャプチャする新しいフレームワーク、Dynamic Graph Collaborative Filtering (DGCF)を提案する。
提案手法は, 動的協調情報の統合の有効性を示すため, 動作繰り返しの少ないデータセットでは高い性能を実現する。
論文 参考訳（メタデータ） (2021-01-08T04:16:24Z)
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。