論文の概要: Differentiable Fuzzy Neural Networks for Recommender Systems

• arxiv url: http://arxiv.org/abs/2505.06000v1
• Date: Fri, 09 May 2025 12:31:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-12 20:40:10.26177
• Title: Differentiable Fuzzy Neural Networks for Recommender Systems
• Title（参考訳）: リコメンダシステムのための微分ファジィニューラルネットワーク
• Authors: Stephan Bartl, Kevin Innerebner, Elisabeth Lex,
• Abstract要約: 本稿では,ファジィニューラルネットワークをニューラルシンボリックアプローチとして用いてレコメンデーションについて検討する。 各ルールはファジィ論理式に対応しており、推奨者の決定プロセスは本質的に透明である。 提案手法は,透明な意思決定プロセスを提供しながら,ユーザの振る舞いを正確に捉えていることを示す。
• 参考スコア（独自算出の注目度）: 2.7309692684728613
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As recommender systems become increasingly complex, transparency is essential to increase user trust, accountability, and regulatory compliance. Neuro-symbolic approaches that integrate symbolic reasoning with sub-symbolic learning offer a promising approach toward transparent and user-centric systems. In this work-in-progress, we investigate using fuzzy neural networks (FNNs) as a neuro-symbolic approach for recommendations that learn logic-based rules over predefined, human-readable atoms. Each rule corresponds to a fuzzy logic expression, making the recommender's decision process inherently transparent. In contrast to black-box machine learning methods, our approach reveals the reasoning behind a recommendation while maintaining competitive performance. We evaluate our method on a synthetic and MovieLens 1M datasets and compare it to state-of-the-art recommendation algorithms. Our results demonstrate that our approach accurately captures user behavior while providing a transparent decision-making process. Finally, the differentiable nature of this approach facilitates an integration with other neural models, enabling the development of hybrid, transparent recommender systems.
• Abstract（参考訳）: 推薦システムがますます複雑化するにつれて、透明性はユーザの信頼、説明責任、規制遵守を高めるために不可欠である。 シンボリック推論とサブシンボリック学習を統合するニューロシンボリックアプローチは、透明でユーザ中心のシステムに対して有望なアプローチを提供する。 本研究では, ファジィニューラルネットワーク(FNN)を, 予め定義されたヒト可読性原子上の論理に基づく規則を学習するための, ニューラルシンボリックアプローチとして利用する。 各ルールはファジィ論理式に対応しており、推奨者の決定プロセスは本質的に透明である。 ブラックボックスの機械学習手法とは対照的に,提案手法は競争性能を維持しながら推奨の背後にある理由を明らかにする。 本手法を合成およびMovieLens 1Mデータセット上で評価し,最先端のレコメンデーションアルゴリズムと比較する。 提案手法は,透明な意思決定プロセスを提供しながら,ユーザの振る舞いを正確に捉えていることを示す。 最後に、このアプローチの微分可能な性質は、他のニューラルモデルとの統合を促進し、ハイブリッドで透明なレコメンデータシステムの開発を可能にする。

関連論文リスト

• Hybrid Personalization Using Declarative and Procedural Memory Modules of the Cognitive Architecture ACT-R [9.73847865216389]
  本稿では,認知アーキテクチャACT-Rに基づくハイブリッドユーザモデリングフレームワークを提案する。 我々は、より透明性のあるレコメンデーションを提供し、ルールに基づく説明を可能にし、認知バイアスのモデリングを容易にすることを目指している。
  論文  参考訳（メタデータ） (2025-05-08T09:32:04Z)
• Why am I seeing this? Towards recognizing social media recommender systems with missing recommendations [4.242821809663174]
  グラフニューラルネットワーク(GNN)を用いた自動レコメンダ認識手法を提案する。 提案手法は,隠されたレコメンデータの正確な検出とユーザ行動への影響を可能にする。 この研究は、レコメンダが行動をどのように形成し、偏光と誤情報を減らすための努力を支援するかについての洞察を提供する。
  論文  参考訳（メタデータ） (2025-04-15T09:16:17Z)
• Neural network interpretability with layer-wise relevance propagation: novel techniques for neuron selection and visualization [0.49478969093606673]
  本稿では,選択したニューロンのパーシングを改善する新しいアプローチを提案する。 Visual Geometry Group 16 (VGG16) アーキテクチャをケーススタディとして用いたLRP後方伝播 本手法は、コンピュータビジョンアプリケーションのための、より透明な人工知能(AI)システムの開発を支援する。
  論文  参考訳（メタデータ） (2024-12-07T15:49:14Z)
• Manipulating Feature Visualizations with Gradient Slingshots [54.31109240020007]
  本稿では,モデルの決定過程に大きな影響を及ぼすことなく,特徴可視化(FV)を操作する新しい手法を提案する。 ニューラルネットワークモデルにおける本手法の有効性を評価し,任意の選択したニューロンの機能を隠蔽する能力を示す。
  論文  参考訳（メタデータ） (2024-01-11T18:57:17Z)
• Representation Engineering: A Top-Down Approach to AI Transparency [130.33981757928166]
  表現工学の新たな領域(RepE)を特定し,特徴付ける RepEは、神経細胞や回路ではなく、人口レベルの表現を解析の中心に置く。 これらの手法が、広範囲の安全関連問題に対してどのようにトラクションを提供するかを紹介する。
  論文  参考訳（メタデータ） (2023-10-02T17:59:07Z)
• Generalizable Neural Fields as Partially Observed Neural Processes [16.202109517569145]
  本稿では,ニューラル表現の大規模トレーニングを部分的に観察されたニューラルプロセスフレームワークの一部として考える新しいパラダイムを提案する。 このアプローチは、最先端の勾配に基づくメタラーニングアプローチとハイパーネットワークアプローチの両方より優れていることを実証する。
  論文  参考訳（メタデータ） (2023-09-13T01:22:16Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• An Interactive Explanatory AI System for Industrial Quality Control [0.8889304968879161]
  我々は,ループ間対話型アプローチに向けて,欠陥検出タスクを拡張することを目的としている。 本稿では,産業品質管理環境における分類のための対話型支援システムを提案する。
  論文  参考訳（メタデータ） (2022-03-17T09:04:46Z)
• Intent Contrastive Learning for Sequential Recommendation [86.54439927038968]
  ユーザの意図を表現するために潜伏変数を導入し,クラスタリングにより潜伏変数の分布関数を学習する。 我々は,学習意図を対照的なSSLによってSRモデルに活用し,シーケンスのビューとそれに対応するインテントとの一致を最大化することを提案する。 4つの実世界のデータセットで実施された実験は、提案した学習パラダイムの優位性を示している。
  論文  参考訳（メタデータ） (2022-02-05T09:24:13Z)

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。