論文の概要: Decoupled Recommender Systems: Exploring Alternative Recommender Ecosystem Designs

• arxiv url: http://arxiv.org/abs/2503.03606v2
• Date: Thu, 06 Mar 2025 14:28:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 12:14:35.420763
• Title: Decoupled Recommender Systems: Exploring Alternative Recommender Ecosystem Designs
• Title（参考訳）: Decoupled Recommender Systems: Exploring Alternative Recommender Ecosystem Designs
• Authors: Anas Buhayh, Elizabeth McKinnie, Robin Burke,
• Abstract要約: 我々は、レコメンデーションアルゴリズムが提供されるプラットフォームから切り離されるような構成の結果について研究する。 これは"フレンドリーな近所のアルゴリズムストア"や"ミドルウェア"モデルと呼ばれることもある。 我々は、アルゴリズムの選択を取り入れたレコメンデーションエコシステムのモデルを作成し、そのような設計の結果を調べる。
• 参考スコア（独自算出の注目度）: 1.5266118210763295
• License:
• Abstract: Recommender ecosystems are an emerging subject of research. Such research examines how the characteristics of algorithms, recommendation consumers, and item providers influence system dynamics and long-term outcomes. One architectural possibility that has not yet been widely explored in this line of research is the consequences of a configuration in which recommendation algorithms are decoupled from the platforms they serve. This is sometimes called "the friendly neighborhood algorithm store" or "middleware" model. We are particularly interested in how such architectures might offer a range of different distributions of utility across consumers, providers, and recommendation platforms. In this paper, we create a model of a recommendation ecosystem that incorporates algorithm choice and examine the outcomes of such a design.
• Abstract（参考訳）: Recommenderのエコシステムは、研究の新たなテーマだ。 このような研究は,アルゴリズム,レコメンデーションコンシューマ,アイテム提供者の特性がシステムダイナミクスや長期的成果にどのように影響するかを考察する。 この研究でまだ広く研究されていないアーキテクチャ上の可能性の1つは、レコメンデーションアルゴリズムが提供されるプラットフォームから切り離されるような構成の結果である。 これは"フレンドリーな近所のアルゴリズムストア"や"ミドルウェア"モデルと呼ばれることもある。 このようなアーキテクチャが、コンシューマ、プロバイダ、レコメンデーションプラットフォームにまたがるさまざまなユーティリティの分布をどのように提供するかについて、特に関心があります。 本稿では,アルゴリズムの選択を取り入れたレコメンデーションエコシステムのモデルを作成し,その設計結果について検討する。

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 [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)
• Recommender Systems: A Primer [7.487718119544156]
  本稿では,従来のレコメンデーション問題の定式化について概説する。 次に、アイテム検索とランキングのための古典的アルゴリズムパラダイムをレビューする。 本稿では,近年のレコメンデーションシステム研究の進展について論じる。
  論文  参考訳（メタデータ） (2023-02-06T06:19:05Z)
• Incentive-Aware Recommender Systems in Two-Sided Markets [49.692453629365204]
  最適性能を達成しつつエージェントのインセンティブと整合する新しいレコメンデータシステムを提案する。 我々のフレームワークは、このインセンティブを意識したシステムを、両側市場におけるマルチエージェントバンディット問題としてモデル化する。 どちらのアルゴリズムも、エージェントが過剰な露出から保護する、ポストフェアネス基準を満たす。
  論文  参考訳（メタデータ） (2022-11-23T22:20:12Z)
• A Review on Pushing the Limits of Baseline Recommendation Systems with the integration of Opinion Mining & Information Retrieval Techniques [0.0]
  Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。 より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。 研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
  論文  参考訳（メタデータ） (2022-05-03T22:13:33Z)
• GHRS: Graph-based Hybrid Recommendation System with Application to Movie Recommendation [0.0]
  本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。 オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。 The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
  論文  参考訳（メタデータ） (2021-11-06T10:47:45Z)
• An Overview of Recommender Systems and Machine Learning in Feature Modeling and Configuration [55.67505546330206]
  レコメンダーシステムおよび機械学習技術の適用に関連する潜在的な新しい研究ラインの概要を説明します。 本論文では,レコメンダーシステムと機械学習の応用例を示し,今後の研究課題について考察する。
  論文  参考訳（メタデータ） (2021-02-12T17:21:36Z)
• MARS-Gym: A Gym framework to model, train, and evaluate Recommender Systems for Marketplaces [51.123916699062384]
  MARS-Gymは、市場におけるレコメンデーションのための強化学習エージェントの構築と評価を行うオープンソースフレームワークである。 本稿では,Trivagoマーケットプレースデータセットにおいて,さまざまなベースラインエージェントの実装とメトリクス駆動による分析を行う。 学術研究と生産システムとのギャップを埋め、新しいアルゴリズムやアプリケーションの設計を容易にしたいと考えている。
  論文  参考訳（メタデータ） (2020-09-30T16:39:31Z)
• 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。