論文の概要: CnGAN: Generative Adversarial Networks for Cross-network user preference
generation for non-overlapped users
- arxiv url: http://arxiv.org/abs/2008.10845v1
- Date: Tue, 25 Aug 2020 06:47:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 02:50:32.413298
- Title: CnGAN: Generative Adversarial Networks for Cross-network user preference
generation for non-overlapped users
- Title（参考訳）: CnGAN:非オーバーラップユーザのためのクロスネットワークユーザ嗜好生成のためのジェネレーティブ・アドバイザラル・ネットワーク
- Authors: Dilruk Perera and Roger Zimmermann
- Abstract要約: クロスネットワークレコメンデータソリューションの大きな欠点は、ネットワーク間で重複するユーザに対してのみ適用可能であることだ。
本稿では,新しいマルチタスク学習型エンコーダGAN-RecommenderアーキテクチャであるCnGANを提案する。
その結果、ユーザの好みは、Siameseネットワークベースのニューラルレコメンデータアーキテクチャで使用される。
- 参考スコア（独自算出の注目度）: 33.17802459749589
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A major drawback of cross-network recommender solutions is that they can only
be applied to users that are overlapped across networks. Thus, the
non-overlapped users, which form the majority of users are ignored. As a
solution, we propose CnGAN, a novel multi-task learning based,
encoder-GAN-recommender architecture. The proposed model synthetically
generates source network user preferences for non-overlapped users by learning
the mapping from target to source network preference manifolds. The resultant
user preferences are used in a Siamese network based neural recommender
architecture. Furthermore, we propose a novel user based pairwise loss function
for recommendations using implicit interactions to better guide the generation
process in the multi-task learning environment.We illustrate our solution by
generating user preferences on the Twitter source network for recommendations
on the YouTube target network. Extensive experiments show that the generated
preferences can be used to improve recommendations for non-overlapped users.
The resultant recommendations achieve superior performance compared to the
state-of-the-art cross-network recommender solutions in terms of accuracy,
novelty and diversity.
- Abstract（参考訳）: クロスネットワーク・レコメンデーション・ソリューションの大きな欠点は、ネットワーク間で重複しているユーザーにのみ適用できることである。
したがって、大多数のユーザを構成する非オーバーラップされたユーザは無視される。
そこで本研究では,新しいマルチタスク学習型エンコーダGAN-RecommenderアーキテクチャであるCnGANを提案する。
提案モデルは,ターゲットからソースネットワークへのマッピングを学習することにより,非オーバーラップユーザに対するソースネットワークユーザの好みを合成的に生成する。
その結果、ユーザの好みは、Siameseネットワークベースのニューラルレコメンデータアーキテクチャで使用される。
さらに,マルチタスク学習環境における生成プロセスを導くために,暗黙的インタラクションを用いたレコメンデーションのための新しいユーザベースペアワイズ損失関数を提案する。
大規模な実験によると、生成した好みは、オーバーラップしないユーザの推奨を改善するために使用できる。
その結果、精度、新規性、多様性の観点から、最先端のクロスネットワーク推奨ソリューションと比較して優れたパフォーマンスが得られる。
関連論文リスト
- MDAP: A Multi-view Disentangled and Adaptive Preference Learning Framework for Cross-Domain Recommendation [63.27390451208503]
クロスドメインレコメンデーションシステムは、マルチドメインユーザインタラクションを活用してパフォーマンスを向上させる。
マルチビュー・ディスタングル・アダプティブ・プライスラーニング・フレームワークを提案する。
当社のフレームワークはマルチビューエンコーダを使用して,多様なユーザの好みをキャプチャする。
論文 参考訳（メタデータ） (2024-10-08T10:06:45Z) - 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) - Collaborative Reflection-Augmented Autoencoder Network for Recommender
Systems [23.480069921831344]
協調反射強化オートエンコーダネットワーク(CRANet)を開発した。
CRANetは、観測された、観測されていないユーザーとイテムの相互作用から、転送可能な知識を探索することができる。
CRANetは2つの推奨タスクに対応する4つの多様なベンチマークデータセットに対して実験的に検証する。
論文 参考訳（メタデータ） (2022-01-10T04:36:15Z) - ColdGAN: Resolving Cold Start User Recommendation by using Generative
Adversarial Networks [0.1529342790344802]
我々は、この問題を解決するためにサイド情報を使用しない、エンドツーエンドのGANベースモデルであるColdGANを提案する。
提案手法は,最先端のレコメンデータに比べて性能が大幅に向上する。
論文 参考訳（メタデータ） (2020-11-25T08:10:35Z) - Towards Comprehensive Recommender Systems: Time-Aware
UnifiedcRecommendations Based on Listwise Ranking of Implicit Cross-Network
Data [33.17802459749589]
我々は,コールドスタートとデータ空間の問題を軽減するために,新しい深層学習に基づく統合型クロスネットワークソリューションを提案する。
提案手法は精度,ノベルティ,多様性の点で優れていることを示す。
人気の高いMovieLensデータセットを用いて行った実験から,提案手法が既存の最先端ランキング技術より優れていることが示唆された。
論文 参考訳（メタデータ） (2020-08-25T08:08:03Z) - Exploring the use of Time-Dependent Cross-Network Information for
Personalized Recommendations [33.17802459749589]
本稿では,ネットワーク間時間を考慮した新しいレコメンデーションソリューションを提案する。
このソリューションは、複数のソースネットワークからユーザの好みを集約することで、ターゲットネットワークの履歴的ユーザモデルを学ぶ。
マルチタイム・アウェアネスとクロスネットワーク・ベースラインを用いた実験により,提案手法は精度,ノベルティ,多様性の面で優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-08-25T07:52:47Z) - CATN: Cross-Domain Recommendation for Cold-Start Users via Aspect
Transfer Network [49.35977893592626]
コールドスタートユーザのためのアスペクト転送ネットワークによるクロスドメインレコメンデーションフレームワーク(CATN)を提案する。
CATNは、レビュー文書から各ユーザと各アイテムの複数のアスペクトを抽出し、注意機構を用いてドメイン間のアスペクト相関を学習する。
実世界のデータセットでは、提案したCATNは、評価予測精度の点でSOTAモデルよりも大幅に優れている。
論文 参考訳（メタデータ） (2020-05-21T10:05:19Z) - Reward Constrained Interactive Recommendation with Natural Language
Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。
具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。
提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文 参考訳（メタデータ） (2020-05-04T16:23:34Z) - CSRN: Collaborative Sequential Recommendation Networks for News
Retrieval [26.852710435482997]
ニュースアプリが紙ベースのメディアの人気を引き継ぎ、パーソナライゼーションの絶好の機会となった。
リカレントニューラルネットワーク(RNN)ベースのシーケンシャルレコメンデーションは、ユーザの最近のブラウジング履歴を利用して将来のアイテムを予測する一般的なアプローチである。
本稿では、RNNに基づくシーケンシャルレコメンデーションとUserCFのキーアイデアを統合するためのディープニューラルネットワークのフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-07T13:25:21Z)
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。