A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice

要約

レコメンダー システム (RS) は、パーソナライズされたアイテムの提案を提供することで、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。
この調査では、2017 年から 2024 年までの RS の進歩を包括的にレビューし、理論的な進歩を実際の応用に効果的に結びつけます。
コンテンツベースや協調フィルタリングなどの従来の RS 手法から、深層学習、グラフベースのモデル、強化学習、大規模言語モデルを含む高度な手法までの開発を調査します。
また、コンテキスト認識、レビューベース、公平性認識の RS などの特殊なシステムについても説明します。
この調査の主な目的は、理論と実践の橋渡しをすることです。
電子商取引、ヘルスケア、金融などのさまざまな分野にわたる課題に対処し、スケーラブルでリアルタイム、信頼できるソリューションの必要性を強調しています。
この調査を通じて、私たちは学術研究と業界の実践の間のより強力なパートナーシップを促進します。
この調査で得られる洞察は、業界の専門家が RS の導入を最適化するためのガイドとなり、特に新たな技術的および社会的トレンドに対処する際に、将来の研究の方向性を刺激することを目的としています。

要約(オリジナル)

Recommender Systems (RS) play an integral role in enhancing user experiences by providing personalized item suggestions. This survey reviews the progress in RS inclusively from 2017 to 2024, effectively connecting theoretical advances with practical applications. We explore the development from traditional RS techniques like content-based and collaborative filtering to advanced methods involving deep learning, graph-based models, reinforcement learning, and large language models. We also discuss specialized systems such as context-aware, review-based, and fairness-aware RS. The primary goal of this survey is to bridge theory with practice. It addresses challenges across various sectors, including e-commerce, healthcare, and finance, emphasizing the need for scalable, real-time, and trustworthy solutions. Through this survey, we promote stronger partnerships between academic research and industry practices. The insights offered by this survey aim to guide industry professionals in optimizing RS deployment and to inspire future research directions, especially in addressing emerging technological and societal trends

arxiv情報

提供元, 利用サービス

arxiv.jp, Google