論文の概要: D-RDW: Diversity-Driven Random Walks for News Recommender Systems
- arxiv url: http://arxiv.org/abs/2508.13035v1
- Date: Mon, 18 Aug 2025 15:53:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:11.466727
- Title: D-RDW: Diversity-Driven Random Walks for News Recommender Systems
- Title（参考訳）: D-RDW:ニュースレコメンダシステムのための多様性駆動ランダムウォーク
- Authors: Runze Li, Lucien Heitz, Oana Inel, Abraham Bernstein,
- Abstract要約: 本稿では,多種多様なニュースレコメンデーションを生成する軽量アルゴリズムと再ランク技術であるDiversity-Driven RandomWalks (D-RDW)を紹介する。
D-RDWは、従来のランダムウォークアルゴリズムの多様化機能と、ニュース記事プロパティのカスタマイズ可能なターゲット分布を組み合わせた、社会的な勧告である。
- 参考スコア（独自算出の注目度）: 11.182710883907216
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces Diversity-Driven RandomWalks (D-RDW), a lightweight algorithm and re-ranking technique that generates diverse news recommendations. D-RDW is a societal recommender, which combines the diversification capabilities of the traditional random walk algorithms with customizable target distributions of news article properties. In doing so, our model provides a transparent approach for editors to incorporate norms and values into the recommendation process. D-RDW shows enhanced performance across key diversity metrics that consider the articles' sentiment and political party mentions when compared to state-of-the-art neural models. Furthermore, D-RDW proves to be more computationally efficient than existing approaches.
- Abstract（参考訳）: 本稿では,多種多様なニュースレコメンデーションを生成する軽量アルゴリズムと再ランク技術であるDiversity-Driven RandomWalks (D-RDW)を紹介する。
D-RDWは、従来のランダムウォークアルゴリズムの多様化機能と、ニュース記事プロパティのカスタマイズ可能なターゲット分布を組み合わせた、社会的な勧告である。
そうすることで、私たちのモデルは、編集者が規範や値をレコメンデーションプロセスに組み込むための透過的なアプローチを提供します。
D-RDWは、記事の感情や政党の言及を、最先端のニューラルモデルと比較して考慮する主要な多様性指標におけるパフォーマンスの向上を示している。
さらに、D-RDWは既存の手法よりも計算効率が高いことが証明されている。
関連論文リスト
- MS-DPPs: Multi-Source Determinantal Point Processes for Contextual Diversity Refinement of Composite Attributes in Text to Image Retrieval [22.21287446132952]
本稿では,CDR-CA (Contextual Diversity Refinement of Composite Attributes) と呼ばれる新しいタスクを提案する。
CDR-CAは、アプリケーションのコンテキストに応じて、複数の属性の多様性を洗練することを目的としている。
本稿では,DPP(Determinantal Point Process)をマルチソースに拡張する,シンプルながら強力なベースラインであるMulti-Source DPPを提案する。
論文 参考訳（メタデータ） (2025-07-09T08:38:46Z) - SPARKE: Scalable Prompt-Aware Diversity Guidance in Diffusion Models via RKE Score [16.00815718886712]
拡散モデルは高忠実度画像合成と即時誘導生成モデルにおいて顕著な成功を収めている。
そこで本稿では,SPARKE(Scalble Prompt-Aware R'eny Kernel Entropy Diversity Guidance)法を提案する。
本研究では,複数のテキスト・画像拡散モデル上でSPARKE法を数値的に検証し,提案手法が有意な計算コストを伴わずに生成したデータの迅速な多様性を向上させることを示す。
論文 参考訳（メタデータ） (2025-06-11T20:53:45Z) - Evaluating the Diversity and Quality of LLM Generated Content [72.84945252821908]
品質閾値を満たす出力間の効果的な意味的多様性を測定するための枠組みを導入する。
嗜好調整モデルでは語彙的および構文的多様性が低下するが、SFTやベースモデルよりも効果的な意味的多様性が得られる。
これらの発見は、多種多様な高品質な出力を必要とするアプリケーションに重要な意味を持つ。
論文 参考訳（メタデータ） (2025-04-16T23:02:23Z) - DimeRec: A Unified Framework for Enhanced Sequential Recommendation via Generative Diffusion Models [39.49215596285211]
シークエンシャルレコメンデーション(SR:Sequential Recommendation)は、非定常的な歴史的相互作用に基づいてユーザの好みに合わせてレコメンデーションを調整することによって、レコメンデーションシステムにおいて重要な役割を担っている。
誘導抽出モジュール(GEM)と生成拡散凝集モジュール(DAM)を組み合わせたDimeRecという新しいフレームワークを提案する。
我々の数値実験により、DimeRecは3つの公開データセットで確立されたベースライン法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2024-08-22T06:42:09Z) - Semantic Codebook Learning for Dynamic Recommendation Models [55.98259490159084]
動的シーケンシャルレコメンデーション(DSR)は、ユーザの振る舞いに基づいてモデルパラメータを生成し、シーケンシャルレコメンデーションのパーソナライズを改善する。
巨大なパラメータ探索空間と疎結合でノイズの多いユーザ-イテム相互作用の課題に直面するため、生成されたモデルパラメータの適用性が低下する。
Semantic Codebook Learning for Dynamic Recommendation Models (SOLID)フレームワークは、これらの課題に効果的に取り組むことで、DSRの大幅な進歩を示す。
論文 参考訳（メタデータ） (2024-07-31T19:25:25Z) - Salient Object Detection From Arbitrary Modalities [54.36876185535064]
我々は、任意モードSOD(AM SOD)と呼ばれる新しいタイプのSODタスクを提案する。
モダリティ型とモダリティ数は任意または動的に変化する。
AM SOD法は,ロバストなサルエント物体検出のための入力モードの種類や数の変化に効果的に対処できる。
論文 参考訳（メタデータ） (2024-05-06T11:02:26Z) - MMA-DFER: MultiModal Adaptation of unimodal models for Dynamic Facial Expression Recognition in-the-wild [81.32127423981426]
実世界のアプリケーションでは,音声およびビデオデータに基づくマルチモーダル感情認識が重要である。
近年の手法は、強力なマルチモーダルエンコーダの事前学習に自己教師付き学習(SSL)の進歩を活用することに重点を置いている。
SSL-pre-trained disimodal encoders を用いて,この問題に対する異なる視点とマルチモーダル DFER の性能向上について検討する。
論文 参考訳（メタデータ） (2024-04-13T13:39:26Z) - Enhancing Secrecy in UAV RSMA Networks: Deep Unfolding Meets Deep Reinforcement Learning [0.8287206589886881]
我々は、複数の無人航空機(UAV)速度軌道(SMAR)における秘密のネットワークを考える。
提案した深部強化学習(DRL)は,他のDRL法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2023-09-30T12:26:24Z) - Ensemble and Random Collaborative Representation-Based Anomaly Detector
for Hyperspectral Imagery [133.83048723991462]
ハイパースペクトル異常検出(HAD)のための新しいアンサンブルおよびランダム共同表現型検出器(ERCRD)を提案する。
4つの実超スペクトルデータセットを用いた実験により,提案手法の精度と効率を10段階法と比較した。
論文 参考訳（メタデータ） (2021-01-06T11:23:51Z) - Sample-based Distributional Policy Gradient [14.498314462218394]
連続行動空間制御設定のためのサンプルベース分散ポリシー勾配(SDPG)アルゴリズムを提案する。
提案アルゴリズムは,多くのタスクに対して,より優れたサンプル効率と高い報酬を示す。
SDPGとD4PGを複数のOpenAI Gym環境に適用し、我々のアルゴリズムが多くのタスクに対してより優れたサンプル効率と高い報酬を示すことを観察する。
論文 参考訳（メタデータ） (2020-01-08T17:50:23Z)
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。