ترجمه فارسی مقاله راهزن متنی با جلوه های گله: الگوریتم ها و کاربردهای توصیه

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 Contextual Bandit with Herding Effects: Algorithms and Recommendation Applications
عنوان مقاله به فارسی راهزن متنی با جلوه های گله: الگوریتم ها و کاربردهای توصیه
نویسندگان Luyue Xu, Liming Wang, Hong Xie, Mingqiang Zhou
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Information Retrieval,یادگیری ماشین , هوش مصنوعی , بازیابی اطلاعات ,
توضیحات Submitted 28 August, 2024; v1 submitted 26 August, 2024; originally announced August 2024. , Comments: Published as a conference paper at PRICAI 2024
توضیحات به فارسی ارسال شده 28 اوت 2024 ؛V1 ارسال شده 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: به عنوان مقاله کنفرانس در Pricai 2024 منتشر شد
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

Contextual bandits serve as a fundamental algorithmic framework for optimizing recommendation decisions online. Though extensive attention has been paid to tailoring contextual bandits for recommendation applications, the "herding effects" in user feedback have been ignored. These herding effects bias user feedback toward historical ratings, breaking down the assumption of unbiased feedback inherent in contextual bandits. This paper develops a novel variant of the contextual bandit that is tailored to address the feedback bias caused by the herding effects. A user feedback model is formulated to capture this feedback bias. We design the TS-Conf (Thompson Sampling under Conformity) algorithm, which employs posterior sampling to balance the exploration and exploitation tradeoff. We prove an upper bound for the regret of the algorithm, revealing the impact of herding effects on learning speed. Extensive experiments on datasets demonstrate that TS-Conf outperforms four benchmark algorithms. Analysis reveals that TS-Conf effectively mitigates the negative impact of herding effects, resulting in faster learning and improved recommendation accuracy.

چکیده به فارسی (ترجمه ماشینی)

راهزنان متنی به عنوان یک چارچوب الگوریتمی اساسی برای بهینه سازی تصمیمات توصیه به صورت آنلاین خدمت می کنند.اگرچه توجه گسترده ای به خیاط راهزنان متنی برای برنامه های توصیه شده است ، "جلوه های گله دار" در بازخورد کاربر نادیده گرفته شده است.این اثرات گله دار بازخورد کاربر را به سمت رتبه بندی های تاریخی تعصب می کند و فرض بازخورد بی طرفانه ذاتی در راهزنان متنی را تجزیه می کند.این مقاله یک نوع جدید از راهزن متنی را تهیه می کند که برای پرداختن به تعصب بازخورد ناشی از اثرات گله دار متناسب است.یک مدل بازخورد کاربر برای ضبط این تعصب بازخورد تدوین شده است.ما الگوریتم TS-Conf (نمونه گیری تامپسون را تحت انطباق) طراحی می کنیم ، که از نمونه گیری خلفی برای تعادل در تجارت اکتشاف و بهره برداری استفاده می کند.ما یک حد بالایی برای پشیمانی از الگوریتم اثبات می کنیم و تأثیر اثرات گله دار بر سرعت یادگیری را نشان می دهیم.آزمایش های گسترده در مجموعه داده ها نشان می دهد که TS-CONF از چهار الگوریتم معیار بهتر است.تجزیه و تحلیل نشان می دهد که TS-CONF به طور مؤثر تأثیر منفی اثرات گله دار را کاهش می دهد ، و در نتیجه یادگیری سریعتر و دقت توصیه می شود.

📚 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.