論文の概要: Proposing a Semantic Movie Recommendation System Enhanced by ChatGPT's NLP Results

• arxiv url: http://arxiv.org/abs/2507.21770v1
• Date: Tue, 29 Jul 2025 12:55:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:56.345391
• Title: Proposing a Semantic Movie Recommendation System Enhanced by ChatGPT's NLP Results
• Title（参考訳）: ChatGPTのNLPによるセマンティック映画推薦システムの提案
• Authors: Ali Fallahi, Azam Bastanfard, Amineh Amini, Hadi Saboohi,
• Abstract要約: 本研究では,意味情報に基づく知識グラフ構築手法を提案する。 大規模な言語モデルとしてChatGPTを使用して、映画の短い記述を評価し、彼らの声のトーンを抽出する。 その結果,提案手法は出版社が提供した明示的なジャンルを採用するよりも,精度を著しく向上させる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 7.330085696471743
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The importance of recommender systems on the web has grown, especially in the movie industry, with a vast selection of options to watch. To assist users in traversing available items and finding relevant results, recommender systems analyze operational data and investigate users' tastes and habits. Providing highly individualized suggestions can boost user engagement and satisfaction, which is one of the fundamental goals of the movie industry, significantly in online platforms. According to recent studies and research, using knowledge-based techniques and considering the semantic ideas of the textual data is a suitable way to get more appropriate results. This study provides a new method for building a knowledge graph based on semantic information. It uses the ChatGPT, as a large language model, to assess the brief descriptions of movies and extract their tone of voice. Results indicated that using the proposed method may significantly enhance accuracy rather than employing the explicit genres supplied by the publishers.
• Abstract（参考訳）: ウェブ上でのレコメンデーターシステムの重要性は、特に映画業界で大きくなり、様々な選択肢が選択されている。 ユーザが利用可能なアイテムをトラバースし、関連する結果を見つけるのを支援するため、レコメンダシステムは運用データを分析し、ユーザの嗜好や習慣を調査する。 高度に個別化された提案を提供することで、ユーザーエンゲージメントと満足度が向上する可能性がある。 最近の研究や研究によると、知識に基づく手法を用いてテキストデータのセマンティックなアイデアを考察することは、より適切な結果を得るのに適した方法である。 本研究では,意味情報に基づく知識グラフ構築手法を提案する。 大規模な言語モデルとしてChatGPTを使用して、映画の短い記述を評価し、彼らの声のトーンを抽出する。 その結果,提案手法は出版社が提供した明示的なジャンルを採用するよりも,精度を著しく向上させる可能性が示唆された。

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)
• Enhanced Semantic Graph Based Approach With Sentiment Analysis For User Interest Retrieval From Social Sites [0.0]
  セマンティックグラフに基づくアプローチは、クライアントやユーザの参照を、ツイートなどの自身のテキストを分析して識別する研究手法である。 調査や評価などのインターネット関連のユーザアクティビティを必要とせず、ユーザの関心に関連する情報を収集する。
  論文  参考訳（メタデータ） (2024-08-08T11:58:41Z)
• Large Language Models as Conversational Movie Recommenders: A User Study [3.3636849604467]
  大規模言語モデル(LLM)は、強い推薦性を提供するが、全体的なパーソナライゼーション、多様性、ユーザ信頼は欠如している。 LLMは、あまり知られていない映画やニッチ映画を推薦する能力を高めている。
  論文  参考訳（メタデータ） (2024-04-29T20:17:06Z)
• Reformulating Sequential Recommendation: Learning Dynamic User Interest with Content-enriched Language Modeling [18.297332953450514]
  本稿では、事前学習した言語モデルの意味理解機能を活用してパーソナライズされたレコメンデーションを生成するLANCERを提案する。 我々のアプローチは、言語モデルとレコメンデーションシステムの間のギャップを埋め、より人間的なレコメンデーションを生み出します。
  論文  参考訳（メタデータ） (2023-09-19T08:54:47Z)
• LLM-Rec: Personalized Recommendation via Prompting Large Language Models [62.481065357472964]
  大きな言語モデル(LLM)は、常識的な知識と推論を活用する能力を示した。 大規模言語モデル(LLM)の最近の進歩は、コモンセンスの知識と推論を活用できることを顕著に示している。 本研究では,パーソナライズされたテキストベースのレコメンデーションを改善するために,テキストエンリッチメントの4つの異なる促進戦略を取り入れた新しいアプローチ LLM-Rec を提案する。
  論文  参考訳（メタデータ） (2023-07-24T18:47:38Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
  大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。 我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2023-07-05T06:03:40Z)
• A Survey on Neural Recommendation: From Collaborative Filtering to Content and Context Enriched Recommendation [70.69134448863483]
  レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。 近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
  論文  参考訳（メタデータ） (2021-04-27T08:03:52Z)
• 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)
• Object Relational Graph with Teacher-Recommended Learning for Video Captioning [92.48299156867664]
  本稿では,新しいモデルと効果的なトレーニング戦略の両方を含む完全なビデオキャプションシステムを提案する。 具体的には,オブジェクトリレーショナルグラフ(ORG)に基づくエンコーダを提案する。 一方,教師推薦学習(TRL)手法を設計し,成功した外部言語モデル(ELM)をフル活用し,豊富な言語知識をキャプションモデルに統合する。
  論文  参考訳（メタデータ） (2020-02-26T15:34:52Z)

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。