ترجمه فارسی مقاله با استفاده از بررسی های تولید شده توسط کاربر برای سیستم های پیشنهادی با هدرهای پویا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Leveraging User-Generated Reviews for Recommender Systems with Dynamic Headers
عنوان مقاله به فارسی با استفاده از بررسی های تولید شده توسط کاربر برای سیستم های پیشنهادی با هدرهای پویا
نویسندگان Shanu Vashishtha, Abhay Kumar, Lalitesh Morishetti, Kaushiki Nag, Kannan Achan
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Information Retrieval,Computation and Language,Machine Learning,بازیابی اطلاعات , محاسبه و زبان , یادگیری ماشین ,
توضیحات Submitted 11 September, 2024; originally announced September 2024. , Comments: 7 pages, 3 figures, PAIS 2024 (ECAI)
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 7 صفحه ، 3 شکل ، PAIS 2024 (ECAI)
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

E-commerce platforms have a vast catalog of items to cater to their customers' shopping interests. Most of these platforms assist their customers in the shopping process by offering optimized recommendation carousels, designed to help customers quickly locate their desired items. Many models have been proposed in academic literature to generate and enhance the ranking and recall set of items in these carousels. Conventionally, the accompanying carousel title text (header) of these carousels remains static. In most instances, a generic text such as "Items similar to your current viewing" is utilized. Fixed variations such as the inclusion of specific attributes "Other items from a similar seller" or "Items from a similar brand" in addition to "frequently bought together" or "considered together" are observed as well. This work proposes a novel approach to customize the header generation process of these carousels. Our work leverages user-generated reviews that lay focus on specific attributes (aspects) of an item that were favorably perceived by users during their interaction with the given item. We extract these aspects from reviews and train a graph neural network-based model under the framework of a conditional ranking task. We refer to our innovative methodology as Dynamic Text Snippets (DTS) which generates multiple header texts for an anchor item and its recall set. Our approach demonstrates the potential of utilizing user-generated reviews and presents a unique paradigm for exploring increasingly context-aware recommendation systems.

چکیده به فارسی (ترجمه ماشینی)

سیستم عامل های تجارت الکترونیکی دارای فهرست گسترده ای از موارد برای پذیرایی از منافع خرید مشتریان خود هستند.بسیاری از این سیستم عامل ها با ارائه چرخ فلک توصیه های بهینه شده ، به مشتریان خود در فرایند خرید کمک می کنند که به مشتریان کمک می کند تا به سرعت موارد مورد نظر خود را پیدا کنند.بسیاری از مدلها در ادبیات دانشگاهی برای تولید و تقویت مجموعه و یادآوری مجموعه موارد موجود در این چرخ فلک ارائه شده است.به طور معمول ، متن عنوان Carousel Tinge (هدر) این چرخ فلک ها استاتیک باقی مانده است.در بیشتر موارد ، از متن عمومی مانند "موارد مشابه مشاهده فعلی شما" استفاده می شود.تغییرات ثابت مانند درج ویژگی های خاص "سایر موارد از یک فروشنده مشابه" یا "مواردی از یک برند مشابه" علاوه بر "که اغلب با هم خریداری می شوند" یا "در نظر گرفته شده با هم" نیز مشاهده می شوند.این کار یک رویکرد جدید برای سفارشی کردن فرآیند تولید هدر این چرخ فلک ها ارائه می دهد.کار ما بررسیهای تولید شده توسط کاربر را مورد استفاده قرار می دهد که بر روی ویژگی های خاص (جنبه ها) موردی که در هنگام تعامل با مورد داده شده توسط کاربران مطلوب درک شده اند ، تمرکز دارد.ما این جنبه ها را از بررسی ها استخراج می کنیم و یک مدل مبتنی بر شبکه عصبی را تحت چارچوب یک کار رتبه بندی مشروط آموزش می دهیم.ما به روش نوآورانه خود به عنوان قطعه متن پویا (DTS) اشاره می کنیم که چندین متن هدر را برای یک مورد لنگر و مجموعه فراخوان آن ایجاد می کند.رویکرد ما پتانسیل استفاده از بررسی های تولید شده توسط کاربر را نشان می دهد و یک الگوی منحصر به فرد برای کاوش در سیستم های توصیه فزاینده آگاهانه ارائه می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.