論文の概要: GreyShot: Zeroshot and Privacy-preserving Recommender System by GM(1,1) Model
- arxiv url: http://arxiv.org/abs/2511.05493v1
- Date: Wed, 10 Sep 2025 07:57:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.14021
- Title: GreyShot: Zeroshot and Privacy-preserving Recommender System by GM(1,1) Model
- Title（参考訳）: GreyShot:GM(1,1)モデルによるゼロショットとプライバシ保護レコメンダシステム
- Authors: Hao Wang,
- Abstract要約: GM(1,1)モデルを用いたゼロショット・プライバシ保護システムアルゴリズムであるGreyShotを構築した。
我々の手法は入力データに頼らず、正確な結果と公正な結果の両方を生成するのに効果的である。
- 参考スコア（独自算出の注目度）: 3.6896352484416393
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Every recommendation engineer needs to face the cold start problem when building his system. During the past decades, most scientists adopted transfer learning and meta learning to solve the problem. Although notable exceptions such as ZeroMat etc. have been invented in recent years, cold-start problem remains a challenging problem for many researchers. In this paper, we build a zeroshot and privacy-preserving recommender system algorithm GreyShot using GM(1,1) model by taking advantage of the Poisson-Pareto property of the online rating data. Our approach relies on no input data and is effective in generating both accurate and fair results. In conclusion, zeroshot problem of recommender systems could be effectively solved by grey system methods such as GM(1,1).
- Abstract（参考訳）: すべてのレコメンデーションエンジニアは、システムを構築する際にコールドスタートの問題に直面する必要があります。
過去数十年の間、ほとんどの科学者はこの問題を解決するためにトランスファーラーニングとメタラーニングを採用した。
近年、ZeroMatなどの特筆すべき例外が発明されているが、コールドスタート問題は多くの研究者にとって難しい問題である。
本稿では,オンライン評価データのPoisson-Pareto特性を利用して,GM(1,1)モデルを用いたゼロショット・プライバシ保護システムアルゴリズムGreyShotを構築する。
我々の手法は入力データに頼らず、正確な結果と公正な結果の両方を生成するのに効果的である。
結論として、レコメンダシステムのゼロショット問題は、GM(1,1)のようなグレーのシステム手法によって効果的に解決できる。
関連論文リスト
- TIMBRE: Efficient Job Recommendation On Heterogeneous Graphs For Professional Recruiters [1.4999444543328293]
ジョブレコメンデーションは、レコメンデーションシステムでよく知られた多くの課題を集めます。
コールドスタートの問題に悩まされ、ユーザ(候補者)とアイテム(仕事)は非常に寿命が限られている。
本稿では、ジョブレコメンデーションのための時間グラフに基づく手法であるTIMBREを提案する。
論文 参考訳（メタデータ） (2024-11-06T11:06:44Z) - Robust Recommender System: A Survey and Future Directions [58.87305602959857]
まず,悪質な攻撃や自然騒音に耐える現在の手法を整理するための分類法を提案する。
次に、不正検出、敵の訓練、悪意のある攻撃から守るための確実な堅牢な訓練など、各カテゴリにおける最先端の手法を検討する。
さまざまなレコメンデーションシナリオの堅牢性や,正確性や解釈可能性,プライバシ,公正性といった他の特性との相互作用について論じる。
論文 参考訳（メタデータ） (2023-09-05T08:58:46Z) - Could Small Language Models Serve as Recommenders? Towards Data-centric
Cold-start Recommendations [38.91330250981614]
本稿では,言語モデルの文脈内学習に基づくシンプルだが効果的なアプローチであるPromptRecを提案する。
本稿では,データ中心パイプラインを用いたレコメンデータシステムのための小型言語モデルを提案する。
私たちの知る限りでは、システムコールドスタートレコメンデーション問題に取り組む最初の研究である。
論文 参考訳（メタデータ） (2023-06-29T18:50:12Z) - Large Language Models are Zero-Shot Rankers for Recommender Systems [76.02500186203929]
本研究では,レコメンダシステムのランキングモデルとして機能する大規模言語モデル(LLM)の能力を検討することを目的とする。
LLMにはゼロショットランキング能力があるが、歴史的相互作用の順序を理解するのに苦労していることを示す。
これらの問題は、特別に設計されたプロンプトとブートストラップ戦略によって緩和可能であることを実証する。
論文 参考訳（メタデータ） (2023-05-15T17:57:39Z) - DS-1000: A Natural and Reliable Benchmark for Data Science Code
Generation [70.96868419971756]
DS-1000は7つのPythonライブラリにまたがる1000のデータサイエンス問題のあるコード生成ベンチマークである。
まず、StackOverflowからそれらを収集して以来の、多様で現実的で実践的なユースケースを反映しています。
第2に、私たちの自動評価は非常に具体的(信頼性)です -- 評価が受け入れているすべてのCodex予測ソリューションに対して、そのわずか1.8%が間違っています。
論文 参考訳（メタデータ） (2022-11-18T17:20:27Z) - Efficient Graph based Recommender System with Weighted Averaging of
Messages [0.0]
我々は常設のソフトアイテムコールドスタート問題に直面するレコメンデーションシステム問題に対する新しい解決策を提示する。
当社のシステムは、Amazonストアに上場する見込みの売り手に対して、需要のある商品を推薦することを目的としている。
フィルタリング手法を用いてグラフのサイズを縮小し,WAML(Weighted Averaging of Messages over Layers)アルゴリズムを用いて,この削減された製品グラフを利用する。
論文 参考訳（メタデータ） (2022-09-30T05:10:34Z) - Modeling Attrition in Recommender Systems with Departing Bandits [84.85560764274399]
政策に依存した地平線を捉えた新しいマルチアームバンディット構成を提案する。
まず、全てのユーザが同じタイプを共有しているケースに対処し、最近の UCB ベースのアルゴリズムが最適であることを実証する。
次に、ユーザが2つのタイプに分けられる、より困難なケースを前進させます。
論文 参考訳（メタデータ） (2022-03-25T02:30:54Z) - 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)
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。