論文の概要: Leveraging Descriptions of Emotional Preferences in Recommender Systems

• arxiv url: http://arxiv.org/abs/2505.20190v1
• Date: Mon, 26 May 2025 16:33:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 19:27:26.944628
• Title: Leveraging Descriptions of Emotional Preferences in Recommender Systems
• Title（参考訳）: リコメンダシステムにおける感情的嗜好の記述の活用
• Authors: Tonmoy Hasan, Razvan Bunescu,
• Abstract要約: ユーザが明示的に求めている感情状態のほとんど無拘束な範囲を活用できる新しい推薦タスクを導入する。 書籍レビューから抽出した、きめ細かい感情状態の表現を含む、ユーザの好みの大規模なデータセットを作成します。 次に、感情状態の嗜好のデータセットと、書籍の読み、評価、レビューのリンクされたユーザとその履歴を用いて、複数のレコメンデーションモデルのトレーニングと評価を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The affective attitude of liking a recommended item reflects just one category in a wide spectrum of affective phenomena that also includes emotions such as entranced or intrigued, moods such as cheerful or buoyant, as well as more fine-grained affective states, such as "pleasantly surprised by the conclusion". In this paper, we introduce a novel recommendation task that can leverage a virtually unbounded range of affective states sought explicitly by the user in order to identify items that, upon consumption, are likely to induce those affective states. Correspondingly, we create a large dataset of user preferences containing expressions of fine-grained affective states that are mined from book reviews, and propose a Transformer-based architecture that leverages such affective expressions as input. We then use the resulting dataset of affective states preferences, together with the linked users and their histories of book readings, ratings, and reviews, to train and evaluate multiple recommendation models on the task of matching recommended items with affective preferences. Experiments show that the best results are obtained by models that can utilize textual descriptions of items and user affective preferences.
• Abstract（参考訳）: 推奨項目を好む感情的態度は、入場や興味のある感情、快活や浮気のような気分、さらに「結論に非常に驚かされる」ようなよりきめ細かい感情的状態を含む、幅広い感情的現象の1つのカテゴリーを反映している。 本稿では、利用者が明示的に求めている感情状態のほとんど無拘束な範囲を利用して、消費時にその感情状態を引き起こす可能性のあるアイテムを識別する新しい推薦タスクを提案する。 それに対応して,書籍レビューから抽出したきめ細かい感情状態の表現を含むユーザ嗜好の大規模なデータセットを作成し,そのような感情表現を入力として活用するTransformerベースのアーキテクチャを提案する。 次に,本書読解,評価,レビューの関連ユーザとその履歴とともに情緒的嗜好のデータセットを用いて,推奨項目と好意的嗜好をマッチングするタスクにおいて,複数の推薦モデルを訓練・評価する。 実験の結果, 項目のテキスト記述とユーザの感情的嗜好を活用できるモデルにより, 最良の結果が得られることがわかった。

関連論文リスト

• Sentiment-Aware Recommendation Systems in E-Commerce: A Review from a Natural Language Processing Perspective [0.0]
  本稿では、自然言語処理の観点から、感情認識レコメンデーションシステムについて包括的にレビューする。 感情分析をeコマースレコメンデータに統合することで、予測精度と説明可能性を高めるメリットを強調している。 主な課題は、ノイズや皮肉なテキストの扱い、動的なユーザの好み、バイアス軽減である。
  論文  参考訳（メタデータ） (2025-05-03T19:36:27Z)
• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• A First Look at Selection Bias in Preference Elicitation for Recommendation [64.44255178199846]
  選好選好における選好バイアスの影響について検討した。 大きなハードルは、好みの推論インタラクションを持つ公開データセットがないことです。 本稿では,トピックに基づく選好提案プロセスのシミュレーションを提案する。
  論文  参考訳（メタデータ） (2024-05-01T14:56:56Z)
• Discovering Personalized Semantics for Soft Attributes in Recommender Systems using Concept Activation Vectors [34.56323846959459]
  インタラクティブなレコメンデータシステムは、ユーザがよりリッチな方法で意図、好み、制約、コンテキストを表現することを可能にする。 課題の1つは、ユーザのセマンティックな意図を、しばしば望ましい項目を記述するために使用されるオープンエンドの用語や属性から推測することである。 このような属性のセマンティクスを捉える表現を学習し、それをレコメンデーションシステムにおけるユーザの好みや行動に結びつけるためのフレームワークを開発する。
  論文  参考訳（メタデータ） (2022-02-06T18:45:15Z)
• SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item Recommendation [48.1799451277808]
  本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。 まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。 そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-08-18T08:04:38Z)
• Seamlessly Unifying Attributes and Items: Conversational Recommendation for Cold-Start Users [111.28351584726092]
  コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。 会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
  論文  参考訳（メタデータ） (2020-05-23T08:56:37Z)

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。