Fugu-MT 論文翻訳(概要): Reproducibility Companion Paper:In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems

論文の概要: Reproducibility Companion Paper:In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems

arxiv url: http://arxiv.org/abs/2503.23040v1
Date: Sat, 29 Mar 2025 11:07:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-01 14:32:26.406407
Title: Reproducibility Companion Paper:In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems
Title（参考訳）: Reproducibility Companion Paper:In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems
Authors: Yixiu Liu, Zehui He, Yuyuan Li, Zhongxuan Han, Chaochao Chen, Xiaolin Zheng,
Abstract要約: 本稿では,先行研究である"In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems"を再現する。本稿では,事前処理したデータセットの詳細な記述,ソースコードの構造,設定ファイルの設定,実験環境,再現された実験結果について述べる。
参考スコア（独自算出の注目度）: 18.056646808634387
License:
Abstract: In this paper, we reproduce experimental results presented in our earlier work titled "In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems" that was presented in the proceeding of the 31st ACM International Conference on Multimedia.This work aims to verify the effectiveness of our previously proposed method and provide guidance for reproducibility. We present detailed descriptions of our preprocessed datasets, the structure of our source code, configuration file settings, experimental environment, and the reproduced experimental results.
Abstract（参考訳）: 本稿では,第31回ACM国際マルチメディア会議(ACM International Conference on Multimedia)の進行にともなう,"In-processing User Constrained Dominant Sets for User-Oriented Fairness in Recommender Systems"と題する先行研究の成果を再現する。本稿では,事前処理したデータセットの詳細な記述,ソースコードの構造,設定ファイルの設定,実験環境,再現された実験結果について述べる。

関連論文リスト

LLM-based User Profile Management for Recommender System [15.854727020186408]
PUREは、ユーザレビューから重要な情報を体系的に抽出し、要約することによって、進化するユーザプロファイルを構築し、維持する。我々は、レビューを時間とともに追加し、予測を漸進的に更新することで、現実のシナリオを反映した連続的なレコメンデーションタスクを導入する。 Amazonデータセットに対する実験結果から、PUREは既存のLCMベースの手法よりも優れていることが示された。
論文参考訳（メタデータ） (2025-02-20T13:20:19Z)
Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文参考訳（メタデータ） (2025-02-05T17:14:45Z)
Reason4Rec: Large Language Models for Recommendation with Deliberative User Preference Alignment [69.11529841118671]
本稿では,ユーザの嗜好に関する明確な推論を新たなアライメント目標として組み込んだ,新たなDeliberative Recommendationタスクを提案する。次にReasoningを利用したRecommenderフレームワークを導入する。
論文参考訳（メタデータ） (2025-02-04T07:17:54Z)
TEARS: Textual Representations for Scrutable Recommendations [8.034808726140268]
TEARS(TExtuAl Representations for Scrutable Representations)について紹介する。 TEARSは、潜伏した埋め込みを通じてユーザの興味を表す代わりに、それらを自然なテキストでエンコードし、透明性を提供し、ユーザーが編集できるようにする。 TEARSは、ユーザ制御可能なレコメンデーションを提供しながら、一般的な3つのVAEモデルの性能を上回ることができる。
論文参考訳（メタデータ） (2024-10-25T04:26:00Z)
InteraRec: Screenshot Based Recommendations Using Multimodal Large Language Models [0.6926105253992517]
InteraRecと呼ばれる洗練されたインタラクティブなレコメンデーションフレームワークを紹介します。 InteraRecは、ユーザがWebサイトをナビゲートするときに、Webページの高周波スクリーンショットをキャプチャする。ユーザに対して価値あるパーソナライズされたオファリングを提供する上で、InteraRecの有効性を実証する。
論文参考訳（メタデータ） (2024-02-26T17:47:57Z)
AutoSAM: Towards Automatic Sampling of User Behaviors for Sequential Recommender Systems [48.461157194277504]
本稿では,歴史的挙動を一様に扱わない汎用的な自動サンプリングフレームワークであるAutoSAMを提案する。具体的には、AutoSAMは、サンプル層を追加して標準のシーケンシャルレコメンデーションアーキテクチャを拡張し、生入力のスキュー分布を適応的に学習する。理論的には、Future PredictionやSequence Perplexityなどの多目的サンプリング報酬を設計し、フレームワーク全体をエンドツーエンドで最適化する。
論文参考訳（メタデータ） (2023-11-01T09:25:21Z)
Editable User Profiles for Controllable Text Recommendation [66.00743968792275]
制御可能なテキストレコメンデーションのための新しい概念値ボトルネックモデル LACE を提案する。 LACEは、人間の読みやすい概念の簡潔なセットで各ユーザーを表現する。ユーザ文書に基づいて概念のパーソナライズされた表現を学習する。
論文参考訳（メタデータ） (2023-04-09T14:52:18Z)
An End-to-End Transformer Model for Crowd Localization [64.15335535775883]
頭の位置を予測するクラウドローカライゼーションは、単にカウントするよりも実用的でハイレベルなタスクである。既存の方法は擬似有界ボックスや事前設計されたローカライゼーションマップを使用し、複雑な後処理に頼って先頭位置を得る。本稿では,レグレッションベースパラダイムの課題を解決するエレガントでエンドツーエンドなクラウドローカライゼーションTRansformerを提案する。
論文参考訳（メタデータ） (2022-02-26T05:21:30Z)
VRConvMF: Visual Recurrent Convolutional Matrix Factorization for Movie Recommendation [21.25759321238169]
視覚的再帰的畳み込み行列因数分解(VRConvMF)と呼ばれる確率行列因数分解に基づくレコメンデーション手法を提案する。提案したVRConvMFを実装し,その有効性を検証するために,一般的に使用されている3つの実世界のデータセットについて広範な実験を行った。
論文参考訳（メタデータ） (2022-02-16T08:21:03Z)
Reproducibility Companion Paper: Knowledge Enhanced Neural Fashion Trend Forecasting [78.046352507802]
Python実装を使用した実験の複製を可能にするアーティファクトを提供する。本稿では,本論文で実施した実験を再現し,前報と同様の性能を得る。
論文参考訳（メタデータ） (2021-05-25T10:53:11Z)

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。