論文の概要: A Survey on Bundle Recommendation: Methods, Applications, and Challenges
- arxiv url: http://arxiv.org/abs/2411.00341v1
- Date: Fri, 01 Nov 2024 03:43:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 11:30:27.679533
- Title: A Survey on Bundle Recommendation: Methods, Applications, and Challenges
- Title(参考訳): バンドル・レコメンデーションに関する調査:方法,応用,課題
- Authors: Meng Sun, Lin Li, Ming Li, Xiaohui Tao, Dong Zhang, Peipei Wang, Jimmy Xiangji Huang,
- Abstract要約: この調査は、バンドルレコメンデーションに関する包括的なレビューを提供する。
我々は、様々なアプリケーションドメインからのバンドル戦略、すなわち識別的および生成的バンドルレコメンデーションに基づいて、それを2つのカテゴリに分類する。
本稿では,本研究の課題を論じ,バンドルレコメンデーション分野における将来的な方向性を明らかにするとともに,研究者や実践者にとって有用なリソースとなることを目的とする。
- 参考スコア(独自算出の注目度): 20.550845591685604
- License:
- Abstract: In recent years, bundle recommendation systems have gained significant attention in both academia and industry due to their ability to enhance user experience and increase sales by recommending a set of items as a bundle rather than individual items. This survey provides a comprehensive review on bundle recommendation, beginning by a taxonomy for exploring product bundling. We classify it into two categories based on bundling strategy from various application domains, i.e., discriminative and generative bundle recommendation. Then we formulate the corresponding tasks of the two categories and systematically review their methods: 1) representation learning from bundle and item levels and interaction modeling for discriminative bundle recommendation; 2) representation learning from item level and bundle generation for generative bundle recommendation. Subsequently, we survey the resources of bundle recommendation including datasets and evaluation metrics, and conduct reproducibility experiments on mainstream models. Lastly, we discuss the main challenges and highlight the promising future directions in the field of bundle recommendation, aiming to serve as a useful resource for researchers and practitioners. Our code and datasets are publicly available at https://github.com/WUT-IDEA/bundle-recommendation-survey.
- Abstract(参考訳): 近年では,個々の項目ではなく,一組の商品をバンドルとして推薦することで,ユーザエクスペリエンスの向上と販売促進を図ったため,学術・産業ともにバンドルレコメンデーションシステムが注目されている。
この調査は、バンドルレコメンデーションに関する包括的なレビューを提供する。
我々は、様々なアプリケーションドメインからのバンドル戦略、すなわち識別的および生成的バンドルレコメンデーションに基づいて、それを2つのカテゴリに分類する。
次に、2つのカテゴリの対応するタスクを定式化し、それらのメソッドを体系的にレビューする。
1) 識別的バンドル推薦のためのバンドルレベル及びアイテムレベルからの表現学習及びインタラクションモデリング
2)生成的バンドルレコメンデーションのためのアイテムレベルからの表現学習とバンドル生成
その後、データセットや評価指標を含むバンドルレコメンデーションのリソースを調査し、主流モデル上で再現性実験を行う。
最後に,主な課題について論じ,バンドルレコメンデーションの分野における将来的な方向性を強調し,研究者や実践者にとって有用なリソースとなることを目指す。
コードとデータセットはhttps://github.com/WUT-IDEA/bundle-recommendation-survey.comで公開されています。
関連論文リスト
- BRIDGE: Bundle Recommendation via Instruction-Driven Generation [2.115789253980982]
BRIDGEはバンドルレコメンデーションのための新しいフレームワークである。
これは2つの主要なコンポーネント、すなわち相関ベースのアイテムクラスタリングと擬似バンドル生成モジュールで構成されている。
その結果,5つのベンチマークデータセットにまたがる最先端のランキングベース手法よりも,モデルの優位性が検証された。
論文 参考訳(メタデータ) (2024-12-24T02:07:53Z) - Popularity Estimation and New Bundle Generation using Content and Context based Embeddings [1.099532646524593]
製品バンドルは、製品レコメンデーションの分野におけるエキサイティングな開発です。
販売、消費者エクスペリエンス、商品の多様性に基づいた新しいバンドル人気指標をバンドルに導入する。
実験の結果,既存のバンドルを32%~44%上回る,新たなバンドルを生成することが可能であることが示唆された。
論文 参考訳(メタデータ) (2024-12-23T06:04:14Z) - Impression-Aware Recommender Systems [53.48892326556546]
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。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳(メタデータ) (2023-08-15T16:16:02Z) - Accurate Bundle Matching and Generation via Multitask Learning with
Partially Shared Parameters [26.86672946938231]
バンドルマッチングと生成の正確なアプローチである BundleMage を提案する。
本稿では,バンドルマッチングにおけるnDCGの最大6.6%,バンドル生成におけるnDCGの最大6.3倍を達成することを示す。
論文 参考訳(メタデータ) (2022-10-19T09:46:20Z) - Bundle MCR: Towards Conversational Bundle Recommendation [34.546239288274634]
本稿では,Bundle MCRという新しい推薦タスクを提案する。
本稿ではまず,複数のエージェントを持つMarkov Decision Processs (MDP) として Bundle MCR を定式化するための新しいフレームワークを提案する。
本フレームワークでは,(1)推薦項目,(2)質問,(3)バンドル対応会話状態に基づく会話管理のためのモデルアーキテクチャである Bundle Bert (Bunt) を提案する。
論文 参考訳(メタデータ) (2022-07-26T03:28:42Z) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳(メタデータ) (2021-04-27T08:03:52Z) - Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。
当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
論文 参考訳(メタデータ) (2020-05-21T12:28:59Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳(メタデータ) (2020-05-19T10:18:43Z) - Bundle Recommendation with Graph Convolutional Networks [71.95344006365914]
既存のソリューションは、モデルパラメータを共有したり、マルチタスクで学習することで、ユーザーと対話モデリングをバンドルレコメンデーションに統合します。
本稿では,バンドルレコメンデーションのためのBGCN(textittextBFBundle textBFGraph textBFConvolutional textBFNetwork)というグラフニューラルネットワークモデルを提案する。
論文 参考訳(メタデータ) (2020-05-07T13:48:26Z) - 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。