Fugu-MT 論文翻訳(概要): OpenTable data with multi-criteria ratings

論文の概要: OpenTable data with multi-criteria ratings

arxiv url: http://arxiv.org/abs/2501.03072v2
Date: Mon, 17 Mar 2025 03:02:56 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-18 21:00:38.264605
Title: OpenTable data with multi-criteria ratings
Title（参考訳）: マルチ基準レーティングによるOpenTableデータ
Authors: Yong Zheng,
Abstract要約: OpenTable.comからクロールされたOpenTableデータセットをリリースしました。このデータセットは、マルチ基準レコメンデーションのためのベンチマークデータセットとみなすことができる。
参考スコア（独自算出の注目度）: 1.2483846882117897
License:
Abstract: With the development of recommender systems (RSs), several promising systems have emerged, such as context-aware RS, multi-criteria RS, and group RS. Multi-criteria recommender systems (MCRSs) are designed to provide personalized recommendations by considering user preferences in multiple attributes or criteria simultaneously. Unlike traditional RSs that typically focus on a single rating, these systems help users make more informed decisions by considering their diverse preferences and needs across various dimensions. In this article, we release the OpenTable data set which was crawled from OpenTable.com. The data set can be considered as a benchmark data set for multi-criteria recommendations.
Abstract（参考訳）: 推薦システム(RS)の開発に伴い、コンテキスト対応RS、マルチ基準RS、グループRSなど、いくつかの有望なシステムが登場した。マルチ基準レコメンデーションシステム(MCRS)は、複数の属性や基準のユーザの好みを同時に考慮し、パーソナライズされたレコメンデーションを提供するように設計されている。通常、1つの評価にフォーカスする従来のRSとは異なり、これらのシステムは、様々な分野のさまざまな好みやニーズを考慮することで、ユーザがより深い判断を下すのに役立つ。この記事では、OpenTable.comからクロールされたOpenTableデータセットをリリースする。データセットは、マルチ基準レコメンデーションのためのベンチマークデータセットとみなすことができる。

関連論文リスト

Collaborative Retrieval for Large Language Model-based Conversational Recommender Systems [65.75265303064654]
対話レコメンデーションシステム(CRS)は、ユーザとの対話を通じてパーソナライズされたレコメンデーションを提供することを目的としている。大規模言語モデル(LLM)は、コンテキスト対応のユーザの好みに対する理解が優れているため、CRSを強化する。 CRAG(Collaborative Retrieval Augmented Generation for LLM-based CRS)を提案する。
論文参考訳（メタデータ） (2025-02-19T22:47:40Z)
Why Not Together? A Multiple-Round Recommender System for Queries and Items [37.709748983831034]
推薦システムの基本的な技術は、ユーザの嗜好をモデル化することであり、クエリや項目がユーザ関心の象徴的な表現として広く使われている。両タイプの相乗効果を生かしたMultiple-round Auto Guess-and-Update System(MAGUS)を提案する。
論文参考訳（メタデータ） (2024-12-14T10:49:00Z)
LLM4Rerank: LLM-based Auto-Reranking Framework for Recommendations [51.76373105981212]
リグレードはレコメンデーションシステムにおいて重要な要素であり、レコメンデーションアルゴリズムの出力を精査する上で重要な役割を果たす。そこで我々は,様々な格付け基準をシームレスに統合する包括的格付けフレームワークを提案する。カスタマイズ可能な入力機構も統合されており、言語モデルのフォーカスを特定の再配置のニーズに合わせることができる。
論文参考訳（メタデータ） (2024-06-18T09:29:18Z)
Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential Recommendations [50.03560306423678]
本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。 Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
論文参考訳（メタデータ） (2024-01-12T15:26:40Z)
DPAN: Dynamic Preference-based and Attribute-aware Network for Relevant Recommendations [3.4947076558586967]
そこで本稿では,Click-Through Rate (CTR) を予測するために,Dynamic Preference-based and Attribute-aware Network (DPAN) と呼ばれる新しい手法を提案する。 DPANは、当社のeコマースプラットフォームに、関連するレコメンデーションのための主要なトラフィックを提供するために、うまくデプロイされています。
論文参考訳（メタデータ） (2023-08-21T07:26:09Z)
Modeling Multiple User Interests using Hierarchical Knowledge for Conversational Recommender System [13.545276171601769]
会話レコメンデーションシステム(CRS)は,自然言語会話による項目レコメンデーションの実践的応用である。我々は、CRSにおいてそのような複数のユーザ関心をモデル化することを提案する。 ReDial データセットを用いて実験を行った結果,提案手法はベースライン CR-Walker よりも幅広い項目を推奨できることがわかった。
論文参考訳（メタデータ） (2023-03-01T08:15:48Z)
Multimodal Recommender Systems: A Survey [50.23505070348051]
マルチモーダル・レコメンダ・システム(MRS)は近年,学界と産業の両方から注目を集めている。本稿では,主に技術的観点から,MSSモデルに関する総合的な調査を行う。実装コードなど、調査された論文の詳細にアクセスするために、リポジトリをオープンソース化します。
論文参考訳（メタデータ） (2023-02-08T05:12:54Z)
Reciprocal Recommender Systems: Analysis of State-of-Art Literature, Challenges and Opportunities towards Social Recommendation [14.944946561487535]
Reciprocal Recommender System (RRS)は、データ駆動型パーソナライズされた意思決定支援ツールである。 RRSは、ユーザの好み、ニーズ、行動に基づいて、ユーザ関連のデータを処理し、フィルタリングし、推奨する。本稿では,RSのアルゴリズム,融合プロセス,基礎的特徴に着目し,現状のRS研究を要約する。
論文参考訳（メタデータ） (2020-07-17T09:48:46Z)
Federated Multi-view Matrix Factorization for Personalized Recommendations [53.74747022749739]
本稿では,フェデレートされた学習フレームワークを,複数のデータソースを用いた行列分解に拡張する,フェデレートされたマルチビュー行列分解手法を提案する。本手法では,ユーザの個人情報を中央サーバに転送することなく,マルチビューモデルを学習することができる。
論文参考訳（メタデータ） (2020-04-08T21:07:50Z)
Network-based models for social recommender systems [0.0]
この章では、リコメンデーションのための主要なアプローチを上回る厳格なネットワークベースモデルについて検討する。アイテムに対する個々のユーザの嗜好の正確な予測は、異なる方法論によって達成できる。
論文参考訳（メタデータ） (2020-02-10T13:06:22Z)
MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection [110.87712780017819]
推薦システムにおけるユーザレベルの適応モデル選択を容易にするメタラーニングフレームワークを提案する。 2つのパブリックデータセットと実世界のプロダクションデータセットで実験を行います。
論文参考訳（メタデータ） (2020-01-22T16:05:01Z)

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。