論文の概要: Towards Explainable Personalized Recommendations by Learning from Users' Photos

• arxiv url: http://arxiv.org/abs/2510.21455v1
• Date: Fri, 24 Oct 2025 13:33:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 06:57:23.42752
• Title: Towards Explainable Personalized Recommendations by Learning from Users' Photos
• Title（参考訳）: ユーザの写真から学ぶことによる説明可能なパーソナライズドレコメンデーション
• Authors: Jorge Díez, Pablo Pérez-Núñez, Oscar Luaces, Beatriz Remeseiro, Antonio Bahamonde,
• Abstract要約: その画像は、そのアイテムの質を最もよく納得できる議論であるからである。 この意味では、RSはその結果を説明でき、従って信頼性を高めることができる。 論文には、与えられたペア(ユーザ、写真)のオーサシップ確率を推定する形式的なフレームワークが含まれている。
• 参考スコア（独自算出の注目度）: 3.642823642133188
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Explaining the output of a complex system, such as a Recommender System (RS), is becoming of utmost importance for both users and companies. In this paper we explore the idea that personalized explanations can be learned as recommendation themselves. There are plenty of online services where users can upload some photos, in addition to rating items. We assume that users take these photos to reinforce or justify their opinions about the items. For this reason we try to predict what photo a user would take of an item, because that image is the argument that can best convince her of the qualities of the item. In this sense, an RS can explain its results and, therefore, increase its reliability. Furthermore, once we have a model to predict attractive images for users, we can estimate their distribution. Thus, the companies acquire a vivid knowledge about the aspects that the clients highlight of their products. The paper includes a formal framework that estimates the authorship probability for a given pair (user, photo). To illustrate the proposal, we use data gathered from TripAdvisor containing the reviews (with photos) of restaurants in six cities of different sizes.
• Abstract（参考訳）: Recommender System(RS)のような複雑なシステムのアウトプットを説明することは、ユーザと企業の両方にとって最も重要になっている。 本稿では,パーソナライズされた説明をレコメンデーションとして学べるという考えを考察する。 評価項目だけでなく、ユーザーが写真をアップロードできるオンラインサービスもたくさんある。 ユーザーはこれらの写真を使って、アイテムに関する意見を強化したり正当化したりできると仮定する。 このような理由から、ユーザーがどの写真を撮るかを予測しようとするが、それは、その画像が、そのアイテムの質を最もよく納得できる議論であるからである。 この意味では、RSはその結果を説明でき、従って信頼性を高めることができる。 さらに、ユーザにとって魅力的なイメージを予測できるモデルがあれば、その分布を推定できる。 このように、両社は、クライアントが製品に強調する側面について、鮮明な知識を得る。 論文は、与えられたペア(ユーザ、写真)の著者の確率を推定する形式的なフレームワークを含む。 この提案を説明するために、異なるサイズの6つの都市にあるレストランのレビュー(写真付き)を含むTripAdvisorから収集したデータを使用します。

関連論文リスト

• MTRec: Learning to Align with User Preferences via Mental Reward Models [60.321038000806176]
  我々は、実際のユーザの好みに合わせてデザインされたシーケンシャルなレコメンデーションフレームワークであるMTRecを提案する。 ユーザの満足度を定量化するためのメンタル報酬モデルを導入し,それを学習するための分散逆強化学習手法を提案する。 実験により、MTRecは様々なレコメンデーションモデルに大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2025-09-26T18:10:48Z)
• What if you said that differently?: How Explanation Formats Affect Human Feedback Efficacy and User Perception [53.4840989321394]
  我々は,QAモデルが生成した有理性の効果を分析し,その答えを支持する。 ユーザに対して,様々な形式で誤った回答とそれに対応する有理性を提示する。 このフィードバックの有効性を,文脈内学習を通じて評価する。
  論文  参考訳（メタデータ） (2023-11-16T04:26:32Z)
• Product Review Image Ranking for Fashion E-commerce [0.0]
  当社のネットワークは、高品質の画像よりも品質の悪い画像をランク付けするようにトレーニングしています。 提案手法は,2つの指標,すなわち相関係数と精度のベースラインモデルに対して,かなりのマージンで性能を向上する。
  論文  参考訳（メタデータ） (2023-08-10T07:09:13Z)
• Identifying Professional Photographers Through Image Quality and Aesthetics in Flickr [0.0]
  本研究では,写真とビデオの共有プラットフォームに適切なデータセットが存在しないことを明らかにする。 我々は、オープンソースのマルチモーダルデータを用いて、Flickrで最大のラベル付きデータセットの1つを作成しました。 画像の審美性と技術的品質と,その画像の社会的活動との関係について検討した。
  論文  参考訳（メタデータ） (2023-07-04T14:55:37Z)
• RecXplainer: Amortized Attribute-based Personalized Explanations for Recommender Systems [35.57265154621778]
  提案するRecXplainerは,推奨項目の属性に対するユーザの好みに基づいた,きめ細かい説明を生成する手法である。 我々はRecXplainerを5つの実世界および大規模レコメンデーションデータセットで評価する。
  論文  参考訳（メタデータ） (2022-11-27T21:00:31Z)
• Can you recommend content to creatives instead of final consumers? A RecSys based on user's preferred visual styles [69.69160476215895]
  このレポートは、ACM RecSys '22で発表された論文"Learning Users' Preferred Visual Styles in an Image Marketplace"の拡張である。 ユーザが作業するプロジェクトのセマンティクスに対して視覚スタイルの好みを学習するRecSysを設計する。
  論文  参考訳（メタデータ） (2022-08-23T12:11:28Z)
• Causal Disentanglement with Network Information for Debiased Recommendations [34.698181166037564]
  近年の研究では、因果的観点からレコメンデーターシステムをモデル化することで、デビアスを提案する。 この設定における重要な課題は、隠れた共同設立者を説明することだ。 我々は,ネットワーク情報(すなわち,ユーザ・ソーシャルおよびユーザ・イテムネットワーク)を活用して,隠れた共同創設者をよりよく近似することを提案する。
  論文  参考訳（メタデータ） (2022-04-14T20:55:11Z)
• User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
  推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。 ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。 実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-02-16T02:08:52Z)
• On the effectiveness of convolutional autoencoders on image-based personalized recommender systems [0.0]
  本稿では,ユーザの嗜好をモデル化するための情報源として画像を利用する可能性について検討する。 畳み込みオートエンコーダを特徴抽出器として用い,パーソナライズされたレコメンデーションを得る画像ベース分類システムを提案する。 提案アーキテクチャはTripAdvisorのデータに適用され,ユーザ,レストラン,利用者が撮影した画像のトリドとして定義できるユーザレビューを利用する。
  論文  参考訳（メタデータ） (2020-03-13T11:19:02Z)

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。