論文の概要: Emotion-based Recommender System
- arxiv url: http://arxiv.org/abs/2505.16121v1
- Date: Thu, 22 May 2025 01:54:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:47.968523
- Title: Emotion-based Recommender System
- Title（参考訳）: 感情に基づくレコメンダシステム
- Authors: Hao Wang,
- Abstract要約: 我々は、リコメンデータシステムと対話する際のユーザーの感情を捉えることができる新しい理論とメトリクスを作成します。
また、ユーザの感情と顧客ライフサイクルの変化を視覚化するための効果的で効率的な可視化技術も提供します。
- 参考スコア（独自算出の注目度）: 5.694872363688119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recommender system is one of the most critical technologies for large internet companies such as Amazon and TikTok. Although millions of users use recommender systems globally everyday, and indeed, much data analysis work has been done to improve the technical accuracy of the system, to our limited knowledge, there has been little attention paid to analysis of users' emotion in recommender systems. In this paper, we create a new theory and metrics that could capture users' emotion when they are interacting with recommender systems. We also provide effective and efficient visualization techniques for visualization of users' emotion and its change in the customers' lifetime cycle. In the end, we design a framework for emotion-based recommendation algorithms, illustrated in a straightforward example with experimental results to demonstrate the effectiveness of our new theory.
- Abstract（参考訳）: Recommender Systemは、AmazonやTikTokのような大手インターネット企業にとって最も重要な技術の一つである。
何百万人ものユーザが毎日リコメンデータシステムを使用しており、実際、システムの技術的正確性を改善するために多くのデータ分析作業が行われているが、私たちの限られた知識では、レコメンデータシステムにおけるユーザの感情の分析にはほとんど注意が払われていない。
本稿では,リコメンデータシステムとのインタラクションにおいて,ユーザの感情を捉えることのできる新しい理論とメトリクスを作成する。
また、ユーザの感情と顧客ライフサイクルの変化を視覚化するための効果的で効率的な可視化技術も提供します。
最後に、感情に基づく推薦アルゴリズムのためのフレームワークを設計し、実験結果とともに簡単な例で説明し、新しい理論の有効性を実証する。
関連論文リスト
- A Study on Enhancing User Engagement by Employing Gamified Recommender Systems [7.330085696471743]
ゲーミフィケーションは、個人がシステム上でより多くの活動を行う動機となる。
この研究は、様々なドメインアプリケーションにおけるユーザエンゲージメントを高めるためのゲーミフィケーションレコメンデーションシステムについて、包括的なレビューを提供する。
論文 参考訳（メタデータ） (2025-08-02T08:49:45Z) - RecGPT Technical Report [57.84251629878726]
本稿では,レコメンデーションパイプラインの中心にユーザの意図を配置する次世代フレームワークRecGPTを提案する。
RecGPTは、大きな言語モデルをユーザ関心のマイニング、アイテム検索、説明生成のキーステージに統合する。
オンライン実験では、RecGPTが利害関係者間で一貫したパフォーマンス向上を実現している。
論文 参考訳（メタデータ） (2025-07-30T17:55:06Z) - 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) - LLM-Powered Explanations: Unraveling Recommendations Through Subgraph Reasoning [40.53821858897774]
本稿では,Large Language Models (LLMs) とKGs (KGs) を相乗する新しいレコメンデータを紹介し,そのレコメンデーションを強化し,解釈可能な結果を提供する。
提案手法は,レコメンデータシステムの有効性と解釈性を両立させる。
論文 参考訳（メタデータ） (2024-06-22T14:14:03Z) - Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives [11.835903510784735]
レビューベースのレコメンデータシステムは、この分野において重要なサブフィールドとして現れている。
本稿では,これらのシステムを分類し,その特徴,有効性,限界を解析し,最先端の手法を要約する。
本稿では,マルチモーダルデータの統合,複数基準評価情報の統合,倫理的考察など,今後の研究の方向性を提案する。
論文 参考訳（メタデータ） (2024-05-09T05:45:18Z) - 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) - User-Controllable Recommendation via Counterfactual Retrospective and
Prospective Explanations [96.45414741693119]
本稿では,説明可能性と可制御性をシームレスに統合するユーザ制御型レコメンデータシステムを提案する。
反ファクト推論を通じて、ふりかえりと予測的な説明の両方を提供することで、ユーザーはシステムに対する制御をカスタマイズできる。
論文 参考訳（メタデータ） (2023-08-02T01:13:36Z) - Sequence-aware item recommendations for multiply repeated user-item
interactions [0.0]
項目推薦のタスクにおいて時間次元を誘導するレコメンデータシステムを設計する。
推薦を行うために、各ユーザに対するアイテムインタラクションのシーケンスを検討する。
本手法は,小売環境におけるユーザとユーザ間のインタラクションを高精度に予測する試みである。
論文 参考訳（メタデータ） (2023-04-02T17:06:07Z) - Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。
これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。
本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
論文 参考訳（メタデータ） (2020-06-19T20:49:14Z) - Recommendation system using a deep learning and graph analysis approach [1.2183405753834562]
本稿では,行列係数化とグラフ解析に基づく新しい推薦手法を提案する。
さらに,ディープオートエンコーダを利用してユーザやアイテムの潜伏要因を初期化し,ディープ埋め込み手法によってユーザの潜伏要因をユーザ信頼グラフから収集する。
論文 参考訳（メタデータ） (2020-04-17T08:05:33Z) - 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。