論文の概要: Leveraging User-Generated Reviews for Recommender Systems with Dynamic Headers
- arxiv url: http://arxiv.org/abs/2409.07627v1
- Date: Wed, 11 Sep 2024 21:18:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 18:21:43.829678
- Title: Leveraging User-Generated Reviews for Recommender Systems with Dynamic Headers
- Title（参考訳）: 動的ヘッダを用いたレコメンダシステムのユーザ生成レビューの活用
- Authors: Shanu Vashishtha, Abhay Kumar, Lalitesh Morishetti, Kaushiki Nag, Kannan Achan,
- Abstract要約: 電子商取引プラットフォームは、顧客のショッピング上の関心を満たすための膨大なアイテムカタログを持っている。
学術文献では、これらのカルーセルの項目のランク付けとリコールセットの生成と向上のために多くのモデルが提案されている。
本研究は,これらのカルーセルのヘッダ生成プロセスをカスタマイズするための新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 5.464901224450247
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: E-commerce platforms have a vast catalog of items to cater to their customers' shopping interests. Most of these platforms assist their customers in the shopping process by offering optimized recommendation carousels, designed to help customers quickly locate their desired items. Many models have been proposed in academic literature to generate and enhance the ranking and recall set of items in these carousels. Conventionally, the accompanying carousel title text (header) of these carousels remains static. In most instances, a generic text such as "Items similar to your current viewing" is utilized. Fixed variations such as the inclusion of specific attributes "Other items from a similar seller" or "Items from a similar brand" in addition to "frequently bought together" or "considered together" are observed as well. This work proposes a novel approach to customize the header generation process of these carousels. Our work leverages user-generated reviews that lay focus on specific attributes (aspects) of an item that were favorably perceived by users during their interaction with the given item. We extract these aspects from reviews and train a graph neural network-based model under the framework of a conditional ranking task. We refer to our innovative methodology as Dynamic Text Snippets (DTS) which generates multiple header texts for an anchor item and its recall set. Our approach demonstrates the potential of utilizing user-generated reviews and presents a unique paradigm for exploring increasingly context-aware recommendation systems.
- Abstract（参考訳）: 電子商取引プラットフォームは、顧客のショッピング上の関心を満たすための膨大なアイテムカタログを持っている。
これらのプラットフォームのほとんどは、顧客が望む商品を素早く見つけられるよう最適化されたレコメンデーションカルーセルを提供することによって、ショッピングプロセスにおける顧客を支援する。
学術文献では、これらのカルーセルの項目のランク付けとリコールセットの生成と向上のために多くのモデルが提案されている。
伝統的に、これらカルーセルのタイトルテキスト(ヘッダー)は静止している。
ほとんどの場合、"現在の視聴に類似したアイテム"のような一般的なテキストが利用される。
また、特定の属性である「類似販売者からの商品」や「類似ブランドからの商品」の他、「頻繁に購入される」「一緒に考える」といった定型的なバリエーションも観察されている。
本研究は,これらのカルーセルのヘッダ生成プロセスをカスタマイズするための新しいアプローチを提案する。
本研究は,対象項目とのインタラクションにおいてユーザから好意的に認識された項目の属性(アスペクト)に焦点をあてたユーザ生成レビューを活用する。
我々はこれらの側面をレビューから抽出し、条件付きランキングタスクの枠組みの下でグラフニューラルネットワークベースのモデルを訓練する。
本稿では,アンカーアイテムとそのリコールセットに対して複数のヘッダテキストを生成するDTS(Dynamic Text Snippets)と呼ぶ。
提案手法は,ユーザ生成レビューを活用する可能性を示し,コンテキスト対応レコメンデーションシステムを探求するためのユニークなパラダイムを示す。
関連論文リスト
- Multi-modal Generative Models in Recommendation System [34.45328907249946]
多くのレコメンデーションシステムは、ユーザ入力をテキスト文字列やクリックや購入などの行動信号に制限する。
生成AIの出現により、ユーザーはより豊富なレベルのインタラクションを期待するようになった。
今後のレコメンデーションシステムは、製品に対するマルチモーダルな理解の恩恵を受けるだろう、と我々は主張する。
論文 参考訳（メタデータ） (2024-09-17T08:55:50Z) - MMGRec: Multimodal Generative Recommendation with Transformer Model [81.61896141495144]
MMGRecは、マルチモーダルレコメンデーションに生成パラダイムを導入することを目指している。
まず,階層的な量子化手法であるGraph CF-RQVAEを考案し,各項目にRec-IDを割り当てる。
次に、Transformerベースのレコメンデータをトレーニングし、過去のインタラクションシーケンスに基づいて、ユーザが推奨するアイテムのRec-IDを生成する。
論文 参考訳（メタデータ） (2024-04-25T12:11:27Z) - Parameter-Efficient Conversational Recommender System as a Language
Processing Task [52.47087212618396]
会話レコメンデータシステム(CRS)は,自然言語会話を通じてユーザの嗜好を喚起することで,ユーザに対して関連項目を推薦することを目的としている。
先行作業では、アイテムのセマンティック情報、対話生成のための言語モデル、関連する項目のランク付けのためのレコメンデーションモジュールとして、外部知識グラフを利用することが多い。
本稿では、自然言語の項目を表現し、CRSを自然言語処理タスクとして定式化する。
論文 参考訳（メタデータ） (2024-01-25T14:07:34Z) - Semi-supervised Adversarial Learning for Complementary Item
Recommendation [5.5174379874002435]
オンラインオークションサイトなど一部のオンラインマーケットプレースでは、常に新しいアイテムがカタログに追加されている。
項目側情報とラベル付き補完項目ペアの両方を活用する新しい手法を提案する。
3つのeコマースデータセットの実験から,本手法が有効であることが示された。
論文 参考訳（メタデータ） (2023-03-10T09:39:18Z) - Talk the Walk: Synthetic Data Generation for Conversational Music
Recommendation [62.019437228000776]
本稿では,広く利用可能なアイテムコレクションにおいて,符号化された専門知識を活用することで,現実的な高品質な会話データを生成するTalkWalkを提案する。
人間の収集したデータセットで100万以上の多様な会話を生成します。
論文 参考訳（メタデータ） (2023-01-27T01:54:16Z) - Single-Item Fashion Recommender: Towards Cross-Domain Recommendations [0.0]
本稿では、まず、コンテントベースのファッションレコメンデーションシステムを提案する。
次に、ユーザの好みに基づいて結果をパーソナライズするために、同じ構造が強化される。
本論文の最後のコントリビューションは、客観的人的得点と呼ばれる推薦課題に対する新しい評価基準である。
論文 参考訳（メタデータ） (2021-11-01T08:15:31Z) - Sequential Modeling with Multiple Attributes for Watchlist
Recommendation in E-Commerce [67.6615871959902]
電子商取引におけるウォッチリスト機能について検討し、新しいウォッチリスト推薦タスクを導入する。
私たちのゴールは、ユーザーが次にクリックするアイテムを予測することで、ユーザーが次に注意を払うべきウォッチリスト項目を優先順位付けすることです。
提案するレコメンデーションモデルであるTrans2DはTransformerアーキテクチャ上に構築されている。
論文 参考訳（メタデータ） (2021-10-18T10:02:15Z) - A Methodology for the Offline Evaluation of Recommender Systems in a
User Interface with Multiple Carousels [7.8851236034886645]
ビデオオンデマンドおよび音楽ストリーミングサービスは、複数の推奨リストからなるページをユーザーに提供します。
展示するカルーセルを選択するための効率的な戦略を見つけることは、大きな産業的関心の活発な研究課題である。
本論文では, カルーセル設定のオフライン評価プロトコルを提案し, モデルの推奨品質を, すでに利用可能なカルーセルのセットでどれだけ改善するかによって測定する。
論文 参考訳（メタデータ） (2021-05-13T13:14:59Z) - User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。
ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。
実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-02-16T02:08:52Z) - Abstractive Opinion Tagging [65.47649273721679]
eコマースでは、意見タグは、アイテムのレビューの特徴を反映したEコマースプラットフォームが提供するタグのランクリストを指す。
意見タグを生成するための現在のメカニズムは、手作業またはラベル付け方法に依存します。
AOT-Net と呼ばれる抽象的な意見タグフレームワークを提案し、多数のレビューからランク付けされた意見タグのリストを生成します。
論文 参考訳（メタデータ） (2021-01-18T05:08:15Z)
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。