論文の概要: Local Collaborative Filtering: A Collaborative Filtering Method that Utilizes Local Similarities among Users

• arxiv url: http://arxiv.org/abs/2511.13166v1
• Date: Mon, 17 Nov 2025 09:10:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.091865
• Title: Local Collaborative Filtering: A Collaborative Filtering Method that Utilizes Local Similarities among Users
• Title（参考訳）: 局所的協調フィルタリング: ユーザの局所的類似性を利用した協調的フィルタリング手法
• Authors: Zhaoxin Shen, Dan Wu,
• Abstract要約: 本稿では,LCF(Local Collaborative Filtering)と呼ばれる新しい協調フィルタリング手法を提案する。 LCFは、ユーザ間の局所的な類似性を利用し、大数の法則(LLN)を用いてデータを統合する。 実験はSteamゲームデータセット上で行われ、LCFの結果は現実世界のニーズと一致している。
• 参考スコア（独自算出の注目度）: 3.218786431076079
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To leverage user behavior data from the Internet more effectively in recommender systems, this paper proposes a novel collaborative filtering (CF) method called Local Collaborative Filtering (LCF). LCF utilizes local similarities among users and integrates their data using the law of large numbers (LLN), thereby improving the utilization of user behavior data. Experiments are conducted on the Steam game dataset, and the results of LCF align with real-world needs.
• Abstract（参考訳）: 本稿では,インターネットからのユーザの行動データをより効果的にレコメンデータシステムに活用するために,ローカル協調フィルタリング(LCF)と呼ばれる新しい協調フィルタリング手法を提案する。 LCFはユーザ間の局所的類似性を活用し,そのデータをLLN法則を用いて統合することにより,ユーザ行動データの利用性を向上させる。 実験はSteamゲームデータセット上で行われ、LCFの結果は現実世界のニーズと一致している。

関連論文リスト

• Personalized Federated Collaborative Filtering: A Variational AutoEncoder Approach [49.63614966954833]
  Federated Collaborative Filtering (FedCF)は、プライバシを保護する新しいレコメンデーションフレームワークの開発に焦点を当てた新興分野である。 既存のFedCFメソッドは通常、分散協調フィルタリング(CF)アルゴリズムとプライバシ保護メカニズムを組み合わせて、パーソナライズされた情報をユーザ埋め込みベクタに保存する。 本稿では,ユーザのパーソナライズされた情報を潜在変数とニューラルモデルに同時に保存することで,新たなパーソナライズされたFedCF手法を提案する。
  論文  参考訳（メタデータ） (2024-08-16T05:49:14Z)
• RecDCL: Dual Contrastive Learning for Recommendation [65.6236784430981]
  本稿では、RecDCLという2つのコントラスト学習推薦フレームワークを提案する。 RecDCLでは、FCLの目的は、ユーザとイテムの正のペアに対する冗長なソリューションを排除することである。 BCLの目的は、表現の堅牢性を高めるために出力ベクトルにコントラスト埋め込みを生成するために利用される。
  論文  参考訳（メタデータ） (2024-01-28T11:51:09Z)
• Broad Recommender System: An Efficient Nonlinear Collaborative Filtering Approach [56.12815715932561]
  我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。 深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。 7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
  論文  参考訳（メタデータ） (2022-04-20T01:25:08Z)
• Explore User Neighborhood for Real-time E-commerce Recommendation [30.33951897839399]
  グローバル情報とローカル情報の両方をリアルタイムにレコメンデーションできる,自己補完型協調フィルタリング(SCCF)というフレームワークを提案する。 インダクティブモデルでユーザ表現をリアルタイムで推測することで,ユーザ毎の類似ユーザをリアルタイムで識別することができる。 また、リアルタイム設定にユーザーベースのメソッドを適用する最初の試みです。
  論文  参考訳（メタデータ） (2021-02-28T09:56:09Z)
• Dual-embedding based Neural Collaborative Filtering for Recommender Systems [0.7949579654743338]
  本稿では,DNCF をベースとしたニューラル・コラボレーティブ・フィルタリングのために,DNCF という汎用的な協調フィルタリングフレームワークを提案する。 ユーザ(アイテム)に対するプリミティブな埋め込みの学習に加えて,インタラクションされたアイテム(ユーザ)の観点から追加的な埋め込みを導入し,ユーザ(item)表現を拡大する。
  論文  参考訳（メタデータ） (2021-02-04T11:32:11Z)
• Memory Based Collaborative Filtering with Lucene [2.7170928704980253]
  メモリベースの協調フィルタリングは、リコメンデーションを提供するために広く使われているアプローチである。 このアプローチの欠点は、一般的な協調フィルタリングシステムの一般化と柔軟性の喪失である。 我々は,従来のフルテキスト検索エンジン上に,スケーラブルで効果的な協調フィルタリングシステムを構築する手法を開発した。
  論文  参考訳（メタデータ） (2016-07-01T12:45:43Z)

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。