Fugu-MT 論文翻訳(概要): RSAttAE: An Information-Aware Attention-based Autoencoder Recommender System

論文の概要: RSAttAE: An Information-Aware Attention-based Autoencoder Recommender System

arxiv url: http://arxiv.org/abs/2502.06705v1
Date: Mon, 10 Feb 2025 17:33:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-11 14:33:11.256913
Title: RSAttAE: An Information-Aware Attention-based Autoencoder Recommender System
Title（参考訳）: RSAttAE:情報認識型アテンションベースオートエンコーダレコメンダシステム
Authors: Amirhossein Dadashzadeh Taromi, Sina Heydari, Mohsen Hooshmand, Majid Ramezani,
Abstract要約: 顧客満足度を高めるために,未知のユーザ移動率を予測する新しい手法を提案する。提案手法では,有意義な表現を生成するアテンションベースのオートエンコーダと,評価予測のためのXGBoost法を導入している。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Recommender systems play a crucial role in modern life, including information retrieval, the pharmaceutical industry, retail, and entertainment. The entertainment sector, in particular, attracts significant attention and generates substantial profits. This work proposes a new method for predicting unknown user-movie ratings to enhance customer satisfaction. To achieve this, we utilize the MovieLens 100K dataset. Our approach introduces an attention-based autoencoder to create meaningful representations and the XGBoost method for rating predictions. The results demonstrate that our proposal outperforms most of the existing state-of-the-art methods. Availability: github.com/ComputationIASBS/RecommSys
Abstract（参考訳）: リコメンダーシステムは、情報検索、製薬産業、小売業、エンターテイメントなど、現代の生活において重要な役割を担っている。特にエンターテイメント部門は大きな注目を集め、かなりの利益を生み出している。本研究は,顧客満足度を高めるために,未知のユーザ移動率を予測する新しい手法を提案する。これを実現するために、MovieLens 100Kデータセットを利用する。提案手法では,有意義な表現を生成するアテンションベースのオートエンコーダと,評価予測のためのXGBoost法を導入している。その結果,提案手法は既存の最先端手法よりも優れていることがわかった。可用性:github.com/ComputationIASBS/RecommSys

関連論文リスト

Reframing Audience Expansion through the Lens of Probability Density Estimation [0.0]
オーディエンス拡大は、マーケターが現在の顧客ベースを代表するサンプルに基づいてターゲットのオーディエンスを作成するのに役立つ。広範に使われているMNISTデータセットに基づくシミュレーション研究を行い、一貫した高精度とリコール値を用いて、拡張されたオーディエンスにとって最も関連性の高いユーザを特定する能力を示す。
論文参考訳（メタデータ） (2023-11-10T03:25:53Z)
Learning to Identify Critical States for Reinforcement Learning from Videos [55.75825780842156]
優れたポリシに関するアルゴリズム情報は、実行されたアクションに関する明示的な情報を持たないオフラインデータから抽出することができる。例えば、人間やロボットのビデオは、アクションシーケンスに対する報酬に関する暗黙の情報を多く伝達することができる。このようなビデオを見て利益を得たいDRLマシンは、まず、関連する状態/アクション/リワードを識別し、認識するために、自分で学習する必要がある。
論文参考訳（メタデータ） (2023-08-15T14:21:24Z)
COURIER: Contrastive User Intention Reconstruction for Large-Scale Visual Recommendation [33.903096803803706]
我々は、既存のモダリティ機能を超えたさらなる改善のために、推奨に適した視覚的特徴事前学習法が必要であると論じる。本研究では,行動履歴からユーザ興味に関連する視覚的特徴を抽出する効果的なユーザ意図再構築モジュールを提案する。
論文参考訳（メタデータ） (2023-06-08T07:45:24Z)
PIE: Personalized Interest Exploration for Large-Scale Recommender Systems [0.0]
これらの課題に対処するために,大規模レコメンデータシステムにおける探索のためのフレームワークを提案する。我々の方法論は、最小限の修正で既存の大規模レコメンデータシステムに容易に統合できる。私たちの仕事は、何十億ものユーザーを対象とする人気のビデオ発見および共有プラットフォームであるFacebook Watchで運用されている。
論文参考訳（メタデータ） (2023-04-13T22:25:09Z)
Application of Machine Learning for Online Reputation Systems [0.4125187280299248]
本稿では、消費者プロフィールから消費者の信頼度を予測するために機械学習を用いた新しい評価システムを提案する。提案モデルは10-Foldsクロスバリデーションを用いて、3つのMovieLensベンチマークデータセットで評価されている。
論文参考訳（メタデータ） (2022-09-10T12:31:40Z)
Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
論文参考訳（メタデータ） (2022-06-28T03:28:15Z)
SURF: Semi-supervised Reward Learning with Data Augmentation for Feedback-efficient Preference-based Reinforcement Learning [168.89470249446023]
我々は、大量のラベルなしサンプルとデータ拡張を利用する半教師付き報酬学習フレームワークSURFを提案する。報奨学習にラベルのないサンプルを活用するために,選好予測器の信頼性に基づいてラベルのないサンプルの擬似ラベルを推定する。本実験は, ロボット操作作業における嗜好に基づく手法のフィードバック効率を有意に向上させることを実証した。
論文参考訳（メタデータ） (2022-03-18T16:50:38Z)
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)
Incentivizing Exploration in Linear Bandits under Information Gap [50.220743323750035]
線形バンディットにおけるミオピックユーザに対するインセンティブ探索の問題点について検討した。長期報酬を最大化するために、システムは、ユーザに探索的な腕を引くインセンティブを与えるための補償を提供する。
論文参考訳（メタデータ） (2021-04-08T16:01:56Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
On Detecting Data Pollution Attacks On Recommender Systems Using Sequential GANs [9.497749999148107]
悪意のあるアクターは、悪意のあるデータポイントを注入することでレコメンダシステムの出力を低下させる動機があるかもしれない。悪意のあるデータポイントを特定するための半教師付き攻撃検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-12-04T10:31:28Z)

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。