論文の概要: Review of Explainable Graph-Based Recommender Systems
- arxiv url: http://arxiv.org/abs/2408.00166v1
- Date: Wed, 31 Jul 2024 21:30:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-04 22:16:07.669199
- Title: Review of Explainable Graph-Based Recommender Systems
- Title（参考訳）: 説明可能なグラフベースレコメンダシステムの概要
- Authors: Thanet Markchom, Huizhi Liang, James Ferryman,
- Abstract要約: 本稿では,説明可能なグラフベースレコメンデータシステムの最先端のアプローチについて論じる。
それは、学習方法、説明方法、説明型という3つの側面に基づいて分類する。
- 参考スコア（独自算出の注目度）: 2.1711205684359247
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Explainability of recommender systems has become essential to ensure users' trust and satisfaction. Various types of explainable recommender systems have been proposed including explainable graph-based recommender systems. This review paper discusses state-of-the-art approaches of these systems and categorizes them based on three aspects: learning methods, explaining methods, and explanation types. It also explores the commonly used datasets, explainability evaluation methods, and future directions of this research area. Compared with the existing review papers, this paper focuses on explainability based on graphs and covers the topics required for developing novel explainable graph-based recommender systems.
- Abstract（参考訳）: ユーザの信頼と満足を確実にするために,レコメンデータシステムの説明可能性の重要性が不可欠になっている。
説明可能なグラフベースレコメンデータシステムを含む,さまざまなタイプの説明可能なレコメンデータシステムが提案されている。
本稿では,これらのシステムの現状を論じ,学習方法,説明方法,説明型という3つの側面に基づいて分類する。
また、一般的なデータセット、説明可能性評価方法、研究領域の今後の方向性についても検討する。
本稿では,従来のレビュー論文と比較して,グラフに基づく説明可能性に注目し,新しい説明可能なグラフベースレコメンデータシステムの開発に必要なトピックについて述べる。
関連論文リスト
- Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳（メタデータ） (2023-10-28T06:31:06Z) - Impression-Aware Recommender Systems [57.38537491535016]
新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。
研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - Recent Developments in Recommender Systems: A Survey [34.810859384592355]
この研究は、パーソナライズされたシステムやグループレコメンデーションシステムを含む、レコメンデーションシステムの主要な分類を包括的にまとめることから始まる。
この調査は、レコメンデータシステムにおける堅牢性、データバイアス、公平性の問題を分析します。
この研究は、リコメンデータシステムの開発における最新のトレンドについての洞察を提供し、この分野における今後の研究の方向性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-06-22T05:51:49Z) - Visualization for Recommendation Explainability: A Survey and New Perspectives [0.0]
本研究では,4次元のレコメンデータシステムにおける説明に関する文献を体系的にレビューする。
我々は,レコメンデーションシステムにおいて,説明的視覚化を設計するための一連のガイドラインを導出する。
本研究の目的は、視覚的に説明可能なレコメンデーション研究の可能性について、研究者や実践者がより深く理解することである。
論文 参考訳（メタデータ） (2023-05-19T15:42:00Z) - Measuring "Why" in Recommender Systems: a Comprehensive Survey on the
Evaluation of Explainable Recommendation [87.82664566721917]
この調査は、IJCAI、AAAI、TheWebConf、Recsys、UMAP、IUIといったトップレベルのカンファレンスから100以上の論文に基づいています。
論文 参考訳（メタデータ） (2022-02-14T02:58:55Z) - Rating and aspect-based opinion graph embeddings for explainable
recommendations [69.9674326582747]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpが6つのドメインで生成したグラフに対して、最先端のグラフ埋め込み技術を適用し、評価し、ベースラインレコメンデータを上回っます。
論文 参考訳（メタデータ） (2021-07-07T14:07:07Z) - Graphing else matters: exploiting aspect opinions and ratings in
explainable graph-based recommendations [66.83527496838937]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpの6つのドメインのレビューから生成されたグラフに対して、最先端のグラフ埋め込み技術を適用して評価する。
提案手法は,推奨項目について利用者が提示したアスペクトベースの意見を活用した説明を提供することの利点がある。
論文 参考訳（メタデータ） (2021-07-07T13:57:28Z) - 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。
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。