論文の概要: Diversified recommendations of cultural activities with personalized determinantal point processes

• arxiv url: http://arxiv.org/abs/2509.10392v1
• Date: Fri, 12 Sep 2025 16:34:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:08.164029
• Title: Diversified recommendations of cultural activities with personalized determinantal point processes
• Title（参考訳）: パーソナライズされた決定点プロセスによる文化的活動の多様化
• Authors: Carole Ibrahim, Hiba Bederina, Daniel Cuesta, Laurent Montier, Cyrille Delabre, Jill-Jênn Vie,
• Abstract要約: 本研究は、個人化された決定点プロセス(DPP)を用いて、多種多様な関連性のある勧告をサンプリングする。 我々は、ユーザの好みをより重くするために、よく知られた類似性カーネルの品質と多様性の分解に依存しています。 本稿では, DPPサンプリングの個人化実装について紹介し, オフラインとオンラインの両方のメトリクスによる妥当性と多様性のトレードオフを評価し, 実運用環境における実践者の活用について考察する。
• 参考スコア（独自算出の注目度）: 0.3324986723090369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While optimizing recommendation systems for user engagement is a well-established practice, effectively diversifying recommendations without negatively impacting core business metrics remains a significant industry challenge. In line with our initiative to broaden our audience's cultural practices, this study investigates using personalized Determinantal Point Processes (DPPs) to sample diverse and relevant recommendations. We rely on a well-known quality-diversity decomposition of the similarity kernel to give more weight to user preferences. In this paper, we present our implementations of the personalized DPP sampling, evaluate the trade-offs between relevance and diversity through both offline and online metrics, and give insights for practitioners on their use in a production environment. For the sake of reproducibility, we release the full code for our platform and experiments on GitHub.
• Abstract（参考訳）: ユーザエンゲージメントのためにレコメンデーションシステムを最適化することは、十分に確立されたプラクティスですが、コアビジネスメトリクスに悪影響を及ぼすことなく、効果的にレコメンデーションを多様化することは、業界における重要な課題です。 本研究は, 聴衆の文化的実践を拡充するために, 個人化された決定的ポイント・プロセス(DPP)を用いて, 多様な, 関連するレコメンデーションを抽出する。 我々は、ユーザの好みをより重くするために、よく知られた類似性カーネルの品質と多様性の分解に依存しています。 本稿では,個人化されたDPPサンプリングの実装について紹介し,オフラインとオンラインの両方のメトリクスによる妥当性と多様性のトレードオフを評価し,実運用環境における実践者の活用について考察する。 再現性のために、当社のプラットフォーム用の全コードと実験をGitHubで公開しています。

関連論文リスト

• Does Multimodality Improve Recommender Systems as Expected? A Critical Analysis and Future Directions [52.21847626165085]
  マルチモーダルレコメンデーションシステムは、多種多様なデータ型を統合することで、パフォーマンスを向上させる可能性が高まっている。 しかし、この統合の実際の利点ははっきりしないままであり、いつ、どのように本当にレコメンデーションを強化するのかという疑問が持ち上がっている。 4次元にわたるマルチモーダルレコメンデーションを体系的に評価するための構造化評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-07T13:21:00Z)
• 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)
• Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
  そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。 本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-09T04:20:15Z)
• Relevance meets Diversity: A User-Centric Framework for Knowledge Exploration through Recommendations [15.143224593682012]
  本稿では,コプラ関数による妥当性と多様性を組み合わせた新しいレコメンデーション戦略を提案する。 我々は,システムと対話しながらユーザから得た知識量のサロゲートとして多様性を利用する。 我々の戦略は、最先端のライバル数社を上回っている。
  論文  参考訳（メタデータ） (2024-08-07T13:48:24Z)
• How to Diversify any Personalized Recommender? [0.0]
  精度を維持しつつTop-Nレコメンデーションの多様性を向上させるための新しいアプローチを提案する。 当社のアプローチでは,ユーザを幅広いコンテンツカテゴリやトピックに公開するための,ユーザ中心の事前処理戦略を採用しています。 トレーニングに事前処理されたデータを使用すると、元の未修正データでトレーニングされたデータと同等のパフォーマンスレベルを達成するためのレコメンデーションシステムになる。
  論文  参考訳（メタデータ） (2024-05-03T15:02:55Z)
• FEBR: Expert-Based Recommendation Framework for beneficial and personalized content [77.86290991564829]
  推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。 このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。 ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
  論文  参考訳（メタデータ） (2021-07-17T18:21:31Z)
• Simultaneous Relevance and Diversity: A New Recommendation Inference Approach [81.44167398308979]
  本稿では,新しいCF推論手法である負対陽性を導入することにより,一般協調フィルタリング(CF)を拡張した新しい手法を提案する。 我々のアプローチは、様々な高度なレベルでの幅広い推奨シナリオ/ユースケースに適用できる。 公開データセットと実世界の生産データに関する分析と実験により、我々のアプローチは、関連性および多様性に関する既存の手法を同時に上回ることを示した。
  論文  参考訳（メタデータ） (2020-09-27T22:20:12Z)

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。