論文の概要: A Survey on Side Information-driven Session-based Recommendation: From a Data-centric Perspective

• arxiv url: http://arxiv.org/abs/2505.12279v1
• Date: Sun, 18 May 2025 07:36:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.138623
• Title: A Survey on Side Information-driven Session-based Recommendation: From a Data-centric Perspective
• Title（参考訳）: サイドインフォメーション駆動セッションベース勧告に関する調査:データ中心の視点から
• Authors: Xiaokun Zhang, Bo Xu, Chenliang Li, Bowei He, Hongfei Lin, Chen Ma, Fenglong Ma,
• Abstract要約: セッションベースのレコメンデーションは、匿名ユーザの意図を予測する実践的な価値のために、注目を集めている。 サイド情報駆動セッションベースの推奨の中核は、多様なデータの発見と利用である。 本調査では,データ中心の観点から,この課題を包括的に概観する。
• 参考スコア（独自算出の注目度）: 49.68029601454934
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Session-based recommendation is gaining increasing attention due to its practical value in predicting the intents of anonymous users based on limited behaviors. Emerging efforts incorporate various side information to alleviate inherent data scarcity issues in this task, leading to impressive performance improvements. The core of side information-driven session-based recommendation is the discovery and utilization of diverse data. In this survey, we provide a comprehensive review of this task from a data-centric perspective. Specifically, this survey commences with a clear formulation of the task. This is followed by a detailed exploration of various benchmarks rich in side information that are pivotal for advancing research in this field. Afterwards, we delve into how different types of side information enhance the task, underscoring data characteristics and utility. Moreover, we discuss the usage of various side information, including data encoding, data injection, and involved techniques. A systematic review of research progress is then presented, with the taxonomy by the types of side information. Finally, we summarize the current limitations and present the future prospects of this vibrant topic.
• Abstract（参考訳）: セッションベースのレコメンデーションは、限られた行動に基づいて匿名ユーザの意図を予測することの実践的価値から、注目を集めている。 新たな取り組みには、このタスクで固有のデータ不足の問題を軽減するために、さまざまなサイド情報が含まれている。 サイド情報駆動セッションベースの推奨の中核は、多様なデータの発見と利用である。 本調査では,データ中心の観点から,この課題を包括的に概観する。 具体的には、この調査はタスクの明確な定式化によって開始される。 これに続いて、この分野の研究を進める上で重要な側面情報に富む様々なベンチマークを詳細に調査する。 その後、さまざまな側面情報がどのようにタスクを強化し、データ特性とユーティリティを強調するかを探索する。 さらに,データエンコーディングやデータインジェクション,関連技術など,さまざまな側面情報の利用についても論じる。 研究の進捗の体系的なレビューが提示され、サイド情報の種類による分類が提示される。 最後に、現在の制限を要約し、この活気あるトピックの将来展望を示す。

関連論文リスト

• Towards Data-Centric AI: A Comprehensive Survey of Traditional, Reinforcement, and Generative Approaches for Tabular Data Transformation [37.43210238341124]
  この調査では、データ空間の洗練に欠かせない技術として、特徴選択と特徴生成を強調し、データ中心型AIの重要な側面について検討する。 本稿では、最も関連性の高いデータ属性を識別・保持する機能選択手法の体系的なレビューと、複雑なデータパターンのキャプチャーを容易にする新機能を作成する機能生成アプローチについて述べる。
  論文  参考訳（メタデータ） (2025-01-17T21:05:09Z)
• Survey on Semantic Interpretation of Tabular Data: Challenges and Directions [2.324913904215885]
  本調査は,セマンティックテーブル解釈の全体像を概観することを目的としている。 まず31の属性の分類を使ってアプローチを分類し、比較と評価を可能にします。 また、利用可能なツールを調べ、12の基準に基づいて評価する。
  論文  参考訳（メタデータ） (2024-11-07T14:28:56Z)
• Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
  ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。 また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
  論文  参考訳（メタデータ） (2024-05-13T14:44:22Z)
• Large Language Models(LLMs) on Tabular Data: Prediction, Generation, and Understanding -- A Survey [17.19337964440007]
  現在、この研究領域における主要なテクニック、メトリクス、データセット、モデル、最適化アプローチを要約し比較する包括的なレビューが欠如しています。 この調査は、これらの領域における最近の進歩を集約し、使用するデータセット、メトリクス、方法論の詳細な調査と分類を提供することによって、このギャップに対処することを目的としている。 既存の文献の強さ、限界、未探索領域、ギャップを識別し、この重要かつ急速に発展する分野における将来の研究の方向性についていくつかの洞察を提供する。
  論文  参考訳（メタデータ） (2024-02-27T23:59:01Z)
• Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
  ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。 本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2021-07-05T16:32:45Z)

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。