論文の概要: Conditioned Variational Autoencoder for top-N item recommendation

• arxiv url: http://arxiv.org/abs/2004.11141v2
• Date: Mon, 4 May 2020 16:15:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 22:22:49.103427
• Title: Conditioned Variational Autoencoder for top-N item recommendation
• Title（参考訳）: トップN項目推薦のための条件付き変分オートエンコーダ
• Authors: Tommaso Carraro, Mirko Polato, Fabio Aiolli
• Abstract要約: 制約付きトップN項目推薦のための条件付き変分オートエンコーダ(C-VAE)を提案する。 提案したモデルアーキテクチャは、条件ベクトルをエンコーダに入力する標準的なVAEに似ている。 本モデルは,最先端のMult-VAE協調フィルタリングモデルを一般化することを示す。
• 参考スコア（独自算出の注目度）: 5.693617860829689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a Conditioned Variational Autoencoder (C-VAE) for constrained top-N item recommendation where the recommended items must satisfy a given condition. The proposed model architecture is similar to a standard VAE in which the condition vector is fed into the encoder. The constrained ranking is learned during training thanks to a new reconstruction loss that takes the input condition into account. We show that our model generalizes the state-of-the-art Mult-VAE collaborative filtering model. Moreover, we provide insights on what C-VAE learns in the latent space, providing a human-friendly interpretation. Experimental results underline the potential of C-VAE in providing accurate recommendations under constraints. Finally, the performed analyses suggest that C-VAE can be used in other recommendation scenarios, such as context-aware recommendation.
• Abstract（参考訳）: 本稿では,制約付きトップN項目推薦のための条件付き変分オートエンコーダ(C-VAE)を提案する。 提案したモデルアーキテクチャは、条件ベクトルをエンコーダに入力する標準的なVAEに似ている。 入力条件を考慮に入れた新たな復元損失により、トレーニング中に制約付きランキングが学習される。 本モデルは,最先端のMult-VAE協調フィルタリングモデルを一般化することを示す。 さらに,c-vaeが潜在空間で何を学ぶかについての洞察を与え,人間にやさしい解釈を提供する。 実験結果はc-vaeの制約下での正確な推奨を提供する可能性を示す。 最後に,C-VAEがコンテキスト認識レコメンデーションなどの他のレコメンデーションシナリオで使用できることを示す。

関連論文リスト

• Variational Autoencoder for Anomaly Detection: A Comparative Study [1.9131868049527914]
  本稿では,同時代の変分オートエンコーダ(VAE)アーキテクチャを異常検出に用い比較解析することを目的とする。 検討中のアーキテクチャ構成には、元々のVAEベースライン、ガウスランダムフィールド(VAE-GRF)を持つVAE、ビジョントランスフォーマー(ViT-VAE)を搭載したVAEが含まれる。
  論文  参考訳（メタデータ） (2024-08-24T12:07:57Z)
• Attentive Graph-based Text-aware Preference Modeling for Top-N Recommendation [2.3991565023534083]
  我々はAttentive Graph-based Text-aware Recommendation Model (AGTM) という新しいモデルを提案する。 本研究では,項目テキストコンテンツと高次接続性の両方を効果的にモデル化し,トップNレコメンデーションをさらに改善することを目的としている。
  論文  参考訳（メタデータ） (2023-05-22T12:32:06Z)
• ContrastVAE: Contrastive Variational AutoEncoder for Sequential Recommendation [58.02630582309427]
  本稿では,コントラスト学習を変分オートエンコーダの枠組みに組み込むことを提案する。 ContrastELBOは,従来のシングルビューELBOを2ビューケースに拡張した,新しいトレーニング目標である。 また、コントラストELBOの具体化として、コントラスト正規化を備えた2分岐VAEモデルであるContrastVAEを提案する。
  論文  参考訳（メタデータ） (2022-08-27T03:35:00Z)
• CausPref: Causal Preference Learning for Out-of-Distribution Recommendation [36.22965012642248]
  現在のレコメンデータシステムは、現実的なシナリオにおけるユーザやアイテムの配布シフトに対して、依然として脆弱である。 本稿では,推奨特化DAG学習者を因果選好に基づく推薦フレームワークCausPrefに組み込むことを提案する。 当社のアプローチは、アウト・オブ・ディストリビューション・セッティングのタイプにおいて、ベンチマークモデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2022-02-08T16:42:03Z)
• Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
  変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。 よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
  論文  参考訳（メタデータ） (2021-10-24T07:58:13Z)
• Proximal Policy Optimization for Tracking Control Exploiting Future Reference Information [58.720142291102135]
  本研究では、任意の参照信号に対する近位勾配ポリシー最適化(PPO)の追跡性能を、将来の参照値を組み込んで改善する。 本手法は、単純な駆動列車モデル上でPIコントローラに対して評価される。
  論文  参考訳（メタデータ） (2021-07-20T17:32:50Z)
• Adversarial and Contrastive Variational Autoencoder for Sequential Recommendation [25.37244686572865]
  本稿では、逐次レコメンデーションのためのAdversarial and Contrastive Variational Autoencoder (ACVAE) と呼ばれる新しい手法を提案する。 まず,本モデルが高品質な潜在変数を生成することを可能にするadversarial variational bayesフレームワークの下で,シーケンス生成のためのadversarial trainingを導入する。 さらに、シーケンスをエンコードする場合、シーケンス内のグローバルおよびローカルの関係をキャプチャするために、繰り返しおよび畳み込み構造を適用します。
  論文  参考訳（メタデータ） (2021-03-19T09:01:14Z)
• Hierarchical Variational Autoencoder for Visual Counterfactuals [79.86967775454316]
  条件変量オート(VAE)は、説明可能な人工知能(XAI)ツールとして注目されている。 本稿では, 後部の効果がいかに緩和され, 対物的効果が成功するかを示す。 本稿では,アプリケーション内の分類器を視覚的に監査できる階層型VAEについて紹介する。
  論文  参考訳（メタデータ） (2021-02-01T14:07:11Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)
• CRACT: Cascaded Regression-Align-Classification for Robust Visual Tracking [97.84109669027225]
  改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。 CRACは多くのベンチマークで最先端のパフォーマンスを得る。 OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
  論文  参考訳（メタデータ） (2020-11-25T02:18:33Z)
• Joint Variational Autoencoders for Recommendation with Implicit Feedback [7.880059199461512]
  暗黙的なフィードバックを伴うトップkレコメンデーションのためのジョイント変分オートエンコーダ(JoVA)を導入する。 実験の結果,JoVA-Hingeは最先端の協調フィルタリング手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-08-17T19:06:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。