RSAttAE: An Information-Aware Attention-based Autoencoder Recommender System

要約

推奨システムは、情報検索、製薬業界、小売、エンターテイメントなど、現代生活において重要な役割を果たしています。
特に、エンターテインメントセクターは大きな注目を集め、かなりの利益を生み出します。
この作業は、顧客満足度を高めるために未知のユーザー映画の評価を予測するための新しい方法を提案しています。
これを達成するために、Movielens 100Kデータセットを利用します。
私たちのアプローチでは、意味のある表現を作成するための注意ベースの自動エンコーダーと、評価予測のためのxgboostメソッドを作成します。
結果は、私たちの提案が既存の最先端の方法のほとんどを上回ることを示しています。
可用性：github.com/computationiasbs/recommsys

要約(オリジナル)

Recommender systems play a crucial role in modern life, including information retrieval, the pharmaceutical industry, retail, and entertainment. The entertainment sector, in particular, attracts significant attention and generates substantial profits. This work proposes a new method for predicting unknown user-movie ratings to enhance customer satisfaction. To achieve this, we utilize the MovieLens 100K dataset. Our approach introduces an attention-based autoencoder to create meaningful representations and the XGBoost method for rating predictions. The results demonstrate that our proposal outperforms most of the existing state-of-the-art methods. Availability: github.com/ComputationIASBS/RecommSys

arxiv情報

提供元, 利用サービス

arxiv.jp, Google