論文の概要: A Comprehensive Survey on Cross-Domain Recommendation: Taxonomy, Progress, and Prospects

• arxiv url: http://arxiv.org/abs/2503.14110v1
• Date: Tue, 18 Mar 2025 10:27:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:13:58.245189
• Title: A Comprehensive Survey on Cross-Domain Recommendation: Taxonomy, Progress, and Prospects
• Title（参考訳）: クロスドメイン勧告に関する包括的調査--分類学・進歩・展望
• Authors: Hao Zhang, Mingyue Cheng, Qi Liu, Junzhe Jiang, Xianquan Wang, Rujiao Zhang, Chenyi Lei, Enhong Chen,
• Abstract要約: クロスドメインレコメンデーション(CDR)は近年広く研究されている。 我々は、CDRの主な手順に基づいて、進捗状況と今後の展望を要約する。
• 参考スコア（独自算出の注目度）: 47.38888808521662
• License:
• Abstract: Recommender systems (RS) have become crucial tools for information filtering in various real world scenarios. And cross domain recommendation (CDR) has been widely explored in recent years in order to provide better recommendation results in the target domain with the help of other domains. The CDR technology has developed rapidly, yet there is a lack of a comprehensive survey summarizing recent works. Therefore, in this paper, we will summarize the progress and prospects based on the main procedure of CDR, including Cross Domain Relevance, Cross Domain Interaction, Cross Domain Representation Enhancement and Model Optimization. To help researchers better understand and engage in this field, we also organize the applications and resources, and highlight several current important challenges and future directions of CDR. More details of the survey articles are available at https://github.com/USTCAGI/Awesome-Cross-Domain Recommendation-Papers-and-Resources.
• Abstract（参考訳）: リコメンダシステム(RS)は,様々な現実のシナリオにおいて情報フィルタリングにおいて重要なツールとなっている。 クロスドメインレコメンデーション(CDR)は、他のドメインの助けを借りて、ターゲットドメインにおけるより良いレコメンデーション結果を提供するために、近年広く研究されている。 CDR技術は急速に発展してきたが、最近の研究を要約した総合的な調査は行われていない。 そこで本論文では,クロスドメイン関連性,クロスドメインインタラクション,クロスドメイン表現の強化,モデル最適化など,CDRの主な手順に基づく進捗状況と展望を要約する。 研究者がこの分野をより深く理解し、関わりやすくするために、アプリケーションとリソースを整理し、現在進行中のいくつかの重要な課題とCDRの今後の方向性を強調します。 調査記事の詳細はhttps://github.com/USTCAGI/Awesome-Cross-Domain Recommendation-Papers-and-Resourcesで確認できる。

関連論文リスト

• Cross-Domain Recommendation Meets Large Language Models [3.1519384727993582]
  クロスドメインレコメンデーション(CDR)がコールドスタート問題に対する有望な解決策として登場した。 既存のCDRモデルは複雑なニューラルネットワーク、大規模なデータセット、重要な計算資源に依存している。 本研究では,大規模言語モデル(LLM)の推論機能を活用し,その性能をCDR領域で検証する。
  論文  参考訳（メタデータ） (2024-11-29T17:25:00Z)
• A Comprehensive Survey of Direct Preference Optimization: Datasets, Theories, Variants, and Applications [52.42860559005861]
  DPO(Direct Preference Optimization)は、アライメントのための有望なアプローチとして登場した。 DPOの様々な進歩と固有の制限にもかかわらず、これらの側面の詳細なレビューは現在、文献に欠けている。
  論文  参考訳（メタデータ） (2024-10-21T02:27:24Z)
• A Unified Framework for Cross-Domain Recommendation [15.987800946057343]
  クロスドメイン勧告は有望な方法論として現れます。 我々は、以前のSOTAモデルであるUniCDRを、UniCDR+という名前の5つの異なる側面で拡張する。 我々の作業はクアイシュ州リビング・ルーム・RecSysで成功裏に展開されました。
  論文  参考訳（メタデータ） (2024-09-06T18:10:42Z)
• Heterogeneous Graph-based Framework with Disentangled Representations Learning for Multi-target Cross Domain Recommendation [7.247438542823219]
  CDR(Cross-Domain Recommendation)は、レコメンデーションシステムにおけるデータ空間の問題に対する重要な解決策である。 本稿では,HGDR (Heterogeneous Graph-based Framework with Disentangled Representations Learning)を提案する。 実世界のデータセットとオンラインA/Bテストの実験により、提案モデルがドメイン間の情報を効果的に伝達できることが証明された。
  論文  参考訳（メタデータ） (2024-07-01T02:27:54Z)
• R-Eval: A Unified Toolkit for Evaluating Domain Knowledge of Retrieval Augmented Large Language Models [51.468732121824125]
  大規模言語モデルは一般的なNLPタスクにおいて顕著な成功を収めてきたが、ドメイン固有の問題には不足する可能性がある。 既存の評価ツールは、ドメイン知識の深さを掘り下げることなく、いくつかのベースラインを提供し、様々なドメインで評価するのみである。 本稿では、R-Evalツールキット(R-Evalツールキット)を導入し、異なるRAGの評価を合理化することによるALLMの評価の課題に対処する。
  論文  参考訳（メタデータ） (2024-06-17T15:59:49Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• A Comprehensive Survey on Source-free Domain Adaptation [69.17622123344327]
  ソースフリードメイン適応(SFDA)の研究は近年注目を集めている。 SFDAの最近の進歩を包括的に調査し、それらを統一的な分類体系に整理する。 一般的な3つの分類基準で30以上のSFDA法を比較検討した。
  論文  参考訳（メタデータ） (2023-02-23T06:32:09Z)
• Image-text Retrieval: A Survey on Recent Research and Development [58.060687870247996]
  クロスモーダル画像テキスト検索(ITR)は、優れた研究価値と幅広い実世界の応用により、研究コミュニティへの関心が高まっている。 本稿では,ITRのアプローチに関する4つの視点から,包括的かつ最新の調査を行う。
  論文  参考訳（メタデータ） (2022-03-28T13:00:01Z)
• A Survey on Cross-domain Recommendation: Taxonomies, Methods, and Future Directions [27.894300356732696]
  本稿では,異なるレコメンデーションシナリオとレコメンデーションタスクを分類するクロスドメインレコメンデーションの2段階の分類法を提案する。 次に、異なるレコメンデーションシナリオの下で、構造化された方法で既存のクロスドメインレコメンデーションアプローチを紹介し、要約する。
  論文  参考訳（メタデータ） (2021-08-07T03:26:16Z)
• Cross-Domain Recommendation: Challenges, Progress, and Prospects [21.60393384976869]
  クロスドメインレコメンデーション(CDR)は、スパーサードメインのレコメンデーションパフォーマンスを改善するために、よりリッチなドメインからの比較的リッチな情報を活用するために提案されている。 本稿では,課題,研究の進展,今後の方向性など,既存のCDRアプローチの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2021-03-02T12:58:08Z)

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。