Fugu-MT 論文翻訳(概要): Hybrid Session-based News Recommendation using Recurrent Neural Networks

論文の概要: Hybrid Session-based News Recommendation using Recurrent Neural Networks

arxiv url: http://arxiv.org/abs/2006.13063v1
Date: Mon, 22 Jun 2020 17:24:43 GMT
ステータス: 処理完了
システム内更新日: 2022-11-18 05:58:58.731695
Title: Hybrid Session-based News Recommendation using Recurrent Neural Networks
Title（参考訳）: リカレントニューラルネットワークを用いたハイブリッドセッションベースのニュースレコメンデーション
Authors: Gabriel de Souza P. Moreira, Dietmar Jannach, Adilson Marques da Cunha
Abstract要約: セッションベースのニュースレコメンデーションのためのハイブリッドメタアーキテクチャCHAMELEONについて述べる。本結果は,セッションクリックのシーケンスをRNNでモデル化することの利点を裏付けるものである。
参考スコア（独自算出の注目度）: 4.6193503399184275
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We describe a hybrid meta-architecture -- the CHAMELEON -- for session-based news recommendation that is able to leverage a variety of information types using Recurrent Neural Networks. We evaluated our approach on two public datasets, using a temporal evaluation protocol that simulates the dynamics of a news portal in a realistic way. Our results confirm the benefits of modeling the sequence of session clicks with RNNs and leveraging side information about users and articles, resulting in significantly higher recommendation accuracy and catalog coverage than other session-based algorithms.
Abstract（参考訳）: セッションベースのニュースレコメンデーションのためのハイブリッドメタアーキテクチャであるCHAMELEONについて説明する。我々は,ニュースポータルのダイナミクスをリアルにシミュレートする時間評価プロトコルを用いて,2つの公開データセットに対するアプローチを評価した。本稿では,rnnを用いてセッションクリックのシーケンスをモデル化し,ユーザや記事のサイド情報を活用することで,他のセッションベースのアルゴリズムよりも推薦精度とカタログカバレッジが著しく向上することを示す。

関連論文リスト

A GNN Model with Adaptive Weights for Session-Based Recommendation Systems [0.0]
セッションベースレコメンデーション(SBR)で使用できる新しいアプローチを提案する。本稿では,グラフニューラルネットワーク(GNN)ベクトルに適用した適応重み付け機構を提案する。アイテムは、重み付けメカニズムの結果、各セッション内で様々な重要性の度合いが割り当てられます。
論文参考訳（メタデータ） (2024-08-09T13:13:43Z)
TempGNN: Temporal Graph Neural Networks for Dynamic Session-Based Recommendations [5.602191038593571]
テンポラルグラフニューラルネットワーク(TempGNN)は、複雑なアイテム遷移における構造的・時間的ダイナミクスを捉えるための一般的なフレームワークである。 TempGNNは、2つの現実世界のEコマースデータセットで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2023-10-20T03:13:10Z)
Incorporating Relevance Feedback for Information-Seeking Retrieval using Few-Shot Document Re-Ranking [56.80065604034095]
我々は,クエリとユーザが関連すると考えるドキュメントとの類似性に基づいて,文書を再参照するkNNアプローチを提案する。異なる統合戦略を評価するため、既存の4つの情報検索データセットを関連フィードバックシナリオに変換する。
論文参考訳（メタデータ） (2022-10-19T16:19:37Z)
Robust Knowledge Adaptation for Dynamic Graph Neural Networks [61.8505228728726]
動的グラフニューラルネットワークのための強化学習による堅牢な知識適応フレームワークであるAda-DyGNNを提案する。我々のアプローチは、強化学習による堅牢な知識適応を探求する最初の試みである。 3つのベンチマークデータセットの実験は、Ada-DyGNNが最先端のパフォーマンスを達成することを示した。
論文参考訳（メタデータ） (2022-07-22T02:06:53Z)
D-HAN: Dynamic News Recommendation with Hierarchical Attention Network [0.8702432681310401]
ニュースレコメンデーションモデルは、ユーザと新規のインタラクションに対する静的アプローチのため、ユーザの好みを捉えないことが多い。文, 要素, シーケンスレベルでのニュース情報を効果的に表現する階層型アテンションネットワークに, 連続時間情報をシームレスに統合する新しい動的ニュースレコメンデータモデルを提案する。
論文参考訳（メタデータ） (2021-12-19T08:11:57Z)
Reinforcement Learning based Path Exploration for Sequential Explainable Recommendation [57.67616822888859]
強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。 TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。 2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
論文参考訳（メタデータ） (2021-11-24T04:34:26Z)
Improved Representation Learning for Session-based Recommendation [0.0]
セッションベースのレコメンデーションシステムは、短期匿名セッションを用いてユーザの行動や嗜好をモデル化することで、ユーザに対して関連項目を提案する。既存の方法はグラフニューラルネットワーク(GNN)を利用して、近隣のノードから情報を伝達し集約する。我々は、よりリッチな表現学習を可能にする目標注意型GNNと組み合わせてトランスフォーマーを提案する。
論文参考訳（メタデータ） (2021-07-04T00:57:28Z)
A Survey on Neural Recommendation: From Collaborative Filtering to Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文参考訳（メタデータ） (2021-04-27T08:03:52Z)
PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
論文参考訳（メタデータ） (2021-03-17T08:28:30Z)
TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation [66.04457457299218]
セッションベースレコメンデーションのための新しいターゲット注意グラフニューラルネットワーク(TAGNN)モデルを提案する。 TAGNNでは、ターゲット・アウェア・アテンションは、様々なターゲット項目に関して異なるユーザ関心を適応的に活性化する。学習した関心表現ベクトルは、異なる対象項目によって変化し、モデルの表現性を大幅に改善する。
論文参考訳（メタデータ） (2020-05-06T14:17:05Z)

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。