論文の概要: NewsTorch: A PyTorch-based Toolkit for Learner-oriented News Recommendation

• arxiv url: http://arxiv.org/abs/2604.14510v1
• Date: Thu, 16 Apr 2026 00:54:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.661373
• Title: NewsTorch: A PyTorch-based Toolkit for Learner-oriented News Recommendation
• Title（参考訳）: NewsTorch:学習者指向のニュースレコメンデーションのためのPyTorchベースのツールキット
• Authors: Rongyao Wang, Veronica Liesaputra, Zhiyi Huang,
• Abstract要約: NewsTorchは学習者指向のニュースレコメンデーションツールキットである。 モジュラーで分離されたフレームワークと学習者フレンドリなGUIプラットフォームを提供する。 また、最先端のニューラルニュースレコメンデーションモデルのトレーニング、検証、テストも可能である。
• 参考スコア（独自算出の注目度）: 5.696983958652287
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: News recommender systems are devised to alleviate the information overload, attracting more and more researchers' attention in recent years. The lack of a dedicated learner-oriented news recommendation toolkit hinders the advancement of research in news recommendation. We propose a PyTorch-based news recommendation toolkit called NewsTorch, developed to support learners in acquiring both conceptual understanding and practical experience. This toolkit provides a modular, decoupled, and extensible framework with a learner-friendly GUI platform that supports dataset downloading and preprocessing. It also enables training, validation, and testing of state-of-the-art neural news recommendation models with standardized evaluation metrics, ensuring fair comparison and reproducible experiments. Our open-source toolkit is released on Github: https://github.com/whonor/NewsTorch.
• Abstract（参考訳）: ニュースレコメンデーターシステムは情報過負荷を軽減するために考案され、近年はますます多くの研究者の注目を集めている。 学習者指向のニュースレコメンデーションツールキットの欠如は、ニュースレコメンデーションにおける研究の進歩を妨げる。 我々は,概念的理解と実践的経験の両面から学習者を支援するために,NewsTorchと呼ばれるPyTorchベースのニュースレコメンデーションツールキットを提案する。 このツールキットは、モジュール的で分離された拡張可能なフレームワークと、データセットのダウンロードと前処理をサポートする学習者フレンドリなGUIプラットフォームを提供する。 また、標準化された評価指標を備えた最先端のニューラルニュースレコメンデーションモデルのトレーニング、検証、テストを可能にし、公正な比較と再現可能な実験を保証する。 私たちのオープンソースツールキットはGithubでリリースされています。

関連論文リスト

• VLMEvalKit: An Open-Source Toolkit for Evaluating Large Multi-Modality Models [116.34503234243202]
  PyTorchに基づく大規模マルチモーダリティモデルを評価するためのオープンソースツールキットを提案する。 VLMEvalKitは、研究者や開発者が既存のマルチモダリティモデルを評価するための包括的なフレームワークを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-07-16T13:06:15Z)
• 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)
• CausalVLR: A Toolbox and Benchmark for Visual-Linguistic Causal Reasoning [107.81733977430517]
  CausalVLR(Causal Visual-Linguistic Reasoning)は、最先端の因果関係の発見と因果推論方法の豊富なセットを含むオープンソースのツールボックスである。 これらのメソッドはNVIDIAコンピューティングシステムの下でPyTorchを実装したツールボックスに含まれている。
  論文  参考訳（メタデータ） (2023-06-30T08:17:38Z)
• MoocRadar: A Fine-grained and Multi-aspect Knowledge Repository for Improving Cognitive Student Modeling in MOOCs [39.22242712254446]
  MoocRadarは,2,513のエクササイズ質問,5,600の知識概念,1200万以上の行動記録からなる,きめ細かい多面的知識リポジトリである。 具体的には,詳細な概念や認知ラベルの高品質かつ包括的アノテーションを保証する枠組みを提案する。
  論文  参考訳（メタデータ） (2023-04-05T03:36:40Z)
• Quantus: An Explainable AI Toolkit for Responsible Evaluation of Neural Network Explanations and Beyond [8.938727411982399]
  QuantusはPythonの包括的な評価ツールキットであり、説明可能なメソッドを評価するための評価メトリクスとチュートリアルのコレクションを含んでいる。 ツールキットは徹底的にテストされており、PyPiのオープンソースライセンスの下で利用できる。
  論文  参考訳（メタデータ） (2022-02-14T16:45:36Z)
• CSSR: A Context-Aware Sequential Software Service Recommendation Model [4.306391411024746]
  ユーザが適切なリポジトリをGitHubで見つけるのに役立つ新しいソフトウェアサービスレコメンデーションモデルを提案する。 我々のモデルはまず,リポジトリのリッチなコンテキスト情報を活用するために,新しいコンテキスト依存のリポジトリグラフ埋め込み法を設計する。 そして、ソフトウェアサービスレコメンデーション分野において、初めてユーザー-リポジトリ間のインタラクションのシーケンス情報を活用する。
  論文  参考訳（メタデータ） (2021-12-20T03:17:42Z)
• Aspect-driven User Preference and News Representation Learning for News Recommendation [9.187076140490902]
  ニュースレコメンダシステムは、通常、ユーザーのトピックレベルの表現とレコメンデーションのためのニュースを学習する。 本稿では,アスペクトレベルのユーザ嗜好とニュース表現学習に基づく,アスペクト駆動型ニューズレコメンダシステム(ANRS)を提案する。
  論文  参考訳（メタデータ） (2021-10-12T07:38:54Z)
• TrNews: Heterogeneous User-Interest Transfer Learning for News Recommendation [16.398453196451367]
  現実のレコメンデーションサービスでは、一部のパブリッシャは、新しくデプロイされたパブリッシャに使用できる多くのコンシューマを持つ大きなコーパスを蓄積したかもしれない。 本稿では,ソースコーパスからターゲットコーパスへ知識を伝達するためのニュースレコメンデーションのための伝達学習モデル(TrNews)を提案する。 trnewsが4つのメトリクスの観点から様々なベースラインよりも優れていることを実世界のデータセットで実験を通して示す。
  論文  参考訳（メタデータ） (2021-01-12T13:52:53Z)

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。