Fugu-MT 論文翻訳(概要): Team voyTECH: User Activity Modeling with Boosting Trees

論文の概要: Team voyTECH: User Activity Modeling with Boosting Trees

arxiv url: http://arxiv.org/abs/2007.01620v2
Date: Thu, 6 Aug 2020 14:54:24 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 04:34:10.520388
Title: Team voyTECH: User Activity Modeling with Boosting Trees
Title（参考訳）: Team voyTECH: ブースティングツリーによるユーザアクティビティモデリング
Authors: Immanuel Bayer and Anastasios Zouzias
Abstract要約: Twitchユーザがチャネルにサブスクライブしたか否かは,ユーザアクティビティを木を増木してモデル化することで予測可能であることを示す。我々は,高濃度カテゴリーの文脈において,ターゲットエンコーディングと高木との接続を導入する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper describes our winning solution for the ECML-PKDD ChAT Discovery Challenge 2020. We show that whether or not a Twitch user has subscribed to a channel can be well predicted by modeling user activity with boosting trees. We introduce the connection between target-encodings and boosting trees in the context of high cardinality categoricals and find that modeling user activity is more powerful then direct modeling of content when encoded properly and combined with a suitable optimization approach.
Abstract（参考訳）: 本稿では,ECML-PKDD ChAT Discovery Challenge 2020の優勝ソリューションについて述べる。 Twitchユーザがチャネルにサブスクライブしたか否かは,ユーザ活動のモデリングとツリーの強化によって予測可能であることを示す。高濃度カテゴリの文脈において、ターゲットエンコーディングとツリーの接続を導入し、ユーザアクティビティのモデリングがより強力であることを確認し、適切にエンコードされた時にコンテンツを直接モデリングし、適切な最適化アプローチと組み合わせる。

関連論文リスト

ONNXPruner: ONNX-Based General Model Pruning Adapter [26.12497385456006]
ONNXPrunerは、ONNXフォーマットモデル用に設計された汎用的なプルーニングアダプタである。 ONNXPrunerの新たな側面は、様々なモデルアーキテクチャに自動的に適応するノードアソシエーションツリーの利用である。ノード関連木を利用することで、従来の単一ノード評価以上の包括的な分析が可能になる。
論文参考訳（メタデータ） (2024-04-10T18:36:25Z)
Jointly Training and Pruning CNNs via Learnable Agent Guidance and Alignment [69.33930972652594]
本稿では,CNNモデルの重みと構造的プーン構造を協調的に学習するための新しい構造的プルーニング手法を提案する。本手法の中核となる要素は強化学習(RL)エージェントであり,その動作がCNNモデルの階層のプルーニング比を決定する。我々は,モデルの重みとエージェントのポリシーを反復的に訓練し,共同訓練と刈り取りを行う。
論文参考訳（メタデータ） (2024-03-28T15:22:29Z)
Unboxing Tree Ensembles for interpretability: a hierarchical visualization tool and a multivariate optimal re-built tree [0.34530027457862006]
我々は,木組モデルの解釈可能な表現を開発し,その振る舞いに関する貴重な洞察を提供する。提案モデルは,木組決定関数を近似した浅い解釈可能な木を得るのに有効である。
論文参考訳（メタデータ） (2023-02-15T10:43:31Z)
Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
論文参考訳（メタデータ） (2022-11-17T19:00:24Z)
Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文参考訳（メタデータ） (2022-09-12T09:19:22Z)
Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
論文参考訳（メタデータ） (2022-06-28T03:28:15Z)
IA-GCN: Interactive Graph Convolutional Network for Recommendation [13.207235494649343]
グラフ畳み込みネットワーク(GCN)は、協調フィルタリング(CF)ベースのレコメンダシステム(RS)のための新しい最先端技術となった。ユーザ同士の相互対話型ガイダンスを構築し,IA-GCN(InterActive GCN)と呼ばれる新しいモデルを提案する。我々のモデルは、CFのための最先端のGCNモデルであるLightGCNの上に構築されており、エンドツーエンドで様々なGCNベースのCFアーキテクチャと組み合わせることができる。
論文参考訳（メタデータ） (2022-04-08T03:38:09Z)
Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning [29.482674624323835]
そこで我々は,NCL(Nighborhood-enriched Contrastive Learning)という新しいコントラスト学習手法を提案する。相互作用グラフ上の構造的隣人に対しては、ユーザ(またはアイテム)とその構造的隣人を正のコントラスト的対とみなす新しい構造的対照的な目的を開発する。実装では、ユーザ(またはアイテム)と隣人の表現は異なるGNN層の出力に対応する。
論文参考訳（メタデータ） (2022-02-13T04:18:18Z)
Context-aware Tree-based Deep Model for Recommender Systems [22.537595224145356]
木構造Tをインデックスとし、T上の葉ノードにコーパス内の各項目をアタッチする。本稿では,木に基づく手法の効率的な検索を支援するために用いた木指標が,コーパスに関する豊富な階層情報を持っていることを論じる。本稿では,コメンテータシステムのための新しいコンテキスト対応ツリーベースディープモデル(ConTDM)を提案する。
論文参考訳（メタデータ） (2021-09-22T09:06:36Z)
Learning Intents behind Interactions with Knowledge Graph for Recommendation [93.08709357435991]
知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
論文参考訳（メタデータ） (2021-02-14T03:21:36Z)
ENTMOOT: A Framework for Optimization over Ensemble Tree Models [57.98561336670884]
ENTMOOTは、ツリーモデルをより大きな最適化問題に統合するためのフレームワークである。 ENTMOOTは、ツリーモデルの意思決定とブラックボックス最適化への単純な統合を可能にしていることを示す。
論文参考訳（メタデータ） (2020-03-10T14:34:07Z)

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。