اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدالملاحظات الضمنية في نظام الاقتراحات
Implicit Feedback in recommender system
665
1 30
0
(
0
)
نشر من قبل
جامعة دمشق حلقة بحث
تاريخ النشر
2018
مجال البحث
الهندسة المعلوماتية
والبحث باللغة
العربية
تمت اﻹضافة من قبل
ghena alsaleh
اسأل ChatGPT حول البحث
هل يمكن أن تكون الملاحظات الضمنية بديلاً عن التقييمات الصريحة في نظم التوصية؟ إذا كان الأمر كذلك، يمكننا تجنب الصعوبات المرتبطة بجمع تقييمات صريحة من المستخدمين. إذن، هل يمكننا التقاط معلومات مفيدة بشكل مخفي؟ وكيف يمكننا استخدام تلك المعلومات لتقديم توصيات؟
Can implicit feedback substitute for explicit ratings in recommender systems? If so, we could avoid the difficulties associated with gathering explicit ratings from users. How, then, can we capture useful information unobtrusively, and how might we use that information to make recommendations?
مراجعة الذكاء الصنعي:
ملخص البحث
تناقش الورقة البحثية إمكانية استخدام الملاحظات الضمنية كبديل للتقييمات الصريحة في نظم التوصية. تهدف الدراسة إلى تجنب الصعوبات المرتبطة بجمع التقييمات الصريحة من المستخدمين من خلال التقاط معلومات مفيدة بشكل غير مباشر واستخدامها لتقديم توصيات. تم تحديد ثلاثة أنواع من الملاحظات الضمنية: الفحص، الاحتفاظ، والمرجع، واقتراح استراتيجيتين لاستخدام هذه الملاحظات في نظم التوصية. كما تم استعراض التحديات المرتبطة بمعالجة هذه البيانات الضمنية وكيفية دمجها مع التقييمات الصريحة لتحسين دقة التوصيات. تم تقديم أمثلة على كيفية استخدام الملاحظات الضمنية في تطبيقات العالم الحقيقي مثل سجلات التصفح والشراء، وتم مناقشة منهجية Matrix Factorization كأداة فعالة لتحليل هذه البيانات وتقديم توصيات دقيقة.
قراءة نقدية
دراسة نقدية: الورقة البحثية تقدم مساهمة قيمة في مجال نظم التوصية من خلال التركيز على الملاحظات الضمنية كبديل للتقييمات الصريحة. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم تقديم أمثلة تطبيقية كافية على كيفية استخدام الملاحظات الضمنية في مجالات أخرى غير التوصية بالموسيقى والأفلام. ثانياً، الورقة لم تتناول بشكل كافٍ التحديات الأخلاقية والخصوصية المرتبطة بجمع وتحليل البيانات الضمنية. أخيراً، كان من المفيد تقديم مقارنة أكثر تفصيلاً بين أداء نظم التوصية التي تعتمد على الملاحظات الضمنية وتلك التي تعتمد على التقييمات الصريحة في سياقات مختلفة.
أسئلة حول البحث
-
ما هي الأنواع الثلاثة للملاحظات الضمنية التي تم تحديدها في الورقة؟
الأنواع الثلاثة للملاحظات الضمنية هي الفحص، الاحتفاظ، والمرجع.
-
ما هي التحديات المرتبطة باستخدام الملاحظات الضمنية في نظم التوصية؟
التحديات تشمل معالجة كميات كبيرة من البيانات، دمج الإشارات الضمنية مع التقييمات الصريحة، والتعامل مع عدم اليقين في تفسير الإشارات الضمنية.
-
كيف يمكن استخدام منهجية Matrix Factorization في تحليل الملاحظات الضمنية؟
يمكن استخدام Matrix Factorization لتحليل الملاحظات الضمنية من خلال تقسيم مصفوفة التقييمات إلى مصفوفتين بمرتبة أقل، مما يساعد في الكشف عن العناصر المتشابهة بالمحتوى وتقديم توصيات دقيقة.
-
ما هي الفوائد المحتملة لاستخدام الملاحظات الضمنية بدلاً من التقييمات الصريحة؟
الفوائد تشمل تجنب الصعوبات المرتبطة بجمع التقييمات الصريحة، الحصول على كميات أكبر من البيانات، وتقديم توصيات أكثر دقة بناءً على سلوك المستخدم الفعلي.
المراجع المستخدمة
Lin, Chia-Yu, Li-Chun Wang, and Kun-Hung Tsai. "Hybrid Real-Time Matrix Factorization for Implicit Feedback Recommendation Systems." IEEE Access 6 (2018).
Jannach, Dietmar, Lukas Lerche, and Markus Zanker. "Recommending based on implicit feedback." Social Information Access. Springer, Cham, 2018.
K. Wang, H. Peng, Y. Jin, C. Sha, and X. Wang, ``Local weighted matrix factorization for top-n recommendation with implicit feedback,'' Data Sci. Eng., vol. 1, no. 4, pp. 252_264, 2016.
Jawaheer, Gawesh, Peter Weller, and Patty Kostkova. "Modeling user preferences in recommender systems: A classification framework for explicit and implicit user feedback." ACM Transactions on Interactive Intelligent Systems (TiiS) 4.2 (2014).
Y. Koren and R. Bell. Advances in collaborative filtering. In Recommender Systems Handbook. Springer, 2011.
قيم البحث
اقرأ أيضاً
تعد تسجيل الإجابة القصيرة مهمة تقييم صحة نص قصير معين كاستجابة للسؤال الذي يمكن أن يأتي من مجموعة متنوعة من السيناريوهات التعليمية.كما هو المحتوى الوحيد، وليس النموذج، أمر مهم، يجب ألا يهم الصياغة الدقيقة بما في ذلك صريح الإجابة.ومع ذلك، فإن العديد م
ن نماذج التسجيل الحديثة تعتمد بشدة على المعلومات المعجمية، سواء كانت تضمين كلمة في شبكة عصبية أو غرام N في SVM.وبالتالي، فإن الصياغة الدقيقة للإجابة قد تحدث فرقا كبيرا.لذلك نحن نحدد إلى أي مدى تحدث ظاهرة اللغة الضمنية في مجموعات بيانات الإجابة القصيرة وفحص التأثير لديهم على أداء التسجيل التلقائي.نجد أن مستوى الضمنية يعتمد على السؤال الفردي، وأن بعض الظواهر متكررة للغاية.حل الصياغة الضمنية للتركيز الصريح تميل بالفعل إلى تحسين أداء التسجيل التلقائي.
إن توافر المعلومات بغزارة عبر الشابكة يجعل البحث عن المعلومات مهمة شاقة. يجد الباحثون صعوبة في الوصول وتتبع الأوراق البحثية الأكثر أهمية بالنسبة لهم. تقدم هذه الورقة مقاربة لنظام اقتراحات للأوراق البحثية في اتجاه تعاوني. من خلال الاستفادة من مزايا نه
ج التصفية التعاونية، نستخدم البيانات السياقية المتاحة للجميع لاستنتاج الارتباطات الخفية الموجودة بين أوراق البحث من أجل تخصيص الاقتراحات. حداثة النهج المقترح هو أنه يقدم توصيات مخصصة بغض النظر عن مجال البحث وبغض النظر عن خبرة المستخدم.
فهم اللغة الطبيعية (NLU) هو عنصر ثابت داخل نظام مساعد AI أو مساعد رقمي، وهو مسؤول عن إنتاج فهم دلالي لطلب المستخدم.نقترح مقاربة قابلة للتطوير والتلقائي لتحسين NLU في نظام AI محادثة على نطاق واسع من خلال الاستفادة من تعليقات المستخدم الضمنية، مع وجود
نظرة ثاقبة لبيانات تفاعل المستخدم وسياق الحوار معلومات غنية بما يمكن استنتاج رضا المستخدم ونيةه.على وجه الخصوص، نقترح إطارا أمرا مدرجا لمنح بيانات الإشراف الجديدة لتحسين NLU من حركة الإنتاج الحي.مع مجموعة واسعة من التجارب، نعرض نتائج تطبيق الإطار وتحسين NLU لنظام إنتاج واسع النطاق عبر 10 مجالات.
نحن نبحث في جدوى تحديد المشاعر التي أثارها أحداث الأخبار المحبوبة.يستند سؤالنا البحثي إلى الفرضية التي يمكن أن تكون أساليب الكشف عن المشاعر الضمنية في الأخبار سائقا رئيسيا لتنوع المحتوى، وهي طريقة واحدة للتخفيف من الآثار الضارة لفقاعات المرشح التي قد
تنتج إليها التصفية التعاونية.تستند تجاربنا إلى 1735 مقال إخباري من الصحف الفلمنكية الرئيسية التي تم تفاحها يدويا، مع اتفاق مرتفع، للمعنات الضمنية.في حين أن الموارد المعجمية تثبت عدم كفاية تحليل المعنويات في هذا النوع من البيانات، فإن نتائجنا توضح أن نماذج التعلم الآلي المستندة إلى SVM و Bert قادرة على استنتاج المشاعر الضمنية تلقائيا من خلال أحداث الأخبار.
التغطية الواسعة التي تعني تعني التمثيلات في NLP التركيز في الغالب على المحتوى المعبر عنه صراحة. والأهم من ذلك أن ندرة مجموعات البيانات التلقائية للأدوار الضمنية المتنوعة يحد من الدراسات التجريبية في الدقوق اللغوي. على سبيل المثال، في مراجعة الويب خدم
ة رائعة! ''، المزود والمستهلك حجج ضمنية لأنواع مختلفة. نحن ندرس وجعة مشروحة من الحجج الضمنية الضمنية الجميلة (CUI و Hershcovich، 2020) من خلال إعادة النظر في ذلك بعناية، وحل العديد من التناقضات. في وقت لاحق، نقدم أول محلل عصبي يستند إلى الانتقال يمكن أن يتعامل مع الحجج الضمنية بشكل حيوي، وتجربة نظاميين انتقالين مختلفين على مجموعة بيانات محسنة. نجد أن أنواع معينة من الوسائط الضمنية أكثر صعوبة من غيرها من غيرها وأن النظام الأكثر دقة أكثر دقة في استرداد الوسائط الضمنية، على الرغم من وجود نقاط تحليل إجمالية أقل، مما يشهد قيود التفكير الحالية لنماذج NLP. سيسهل هذا العمل فهم أفضل للغة الضمنية والكشفية، من خلال دمجها بشكل كلي في تمثيلات المعنى.
الأسئلة المقترحة
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
