Fugu-MT 論文翻訳(概要): A Knowledge Graph based Approach for Mobile Application Recommendation

論文の概要: A Knowledge Graph based Approach for Mobile Application Recommendation

arxiv url: http://arxiv.org/abs/2009.08621v1
Date: Fri, 18 Sep 2020 04:17:23 GMT
ステータス: 処理完了
システム内更新日: 2022-10-17 03:33:25.977902
Title: A Knowledge Graph based Approach for Mobile Application Recommendation
Title（参考訳）: モバイルアプリケーション推薦のためのナレッジグラフに基づくアプローチ
Authors: Mingwei Zhang, Jiawei Zhao, Hai Dong, Ke Deng, and Ying Liu
Abstract要約: 本稿では,アプリケーションレコメンデーションのための新しいエンド・ツー・エンドの知識グラフ畳み込み伝播モデル(KGEP)を提案する。具体的には,ユーザとアプリ側情報をモデル化する知識グラフ構築手法を最初に設計した。そこで我々は,KGの1次構造に関連する側情報の事実的三重項に着目したセマンティクスを,KG埋め込み手法を採用した。
参考スコア（独自算出の注目度）: 11.668535477712455
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the rapid prevalence of mobile devices and the dramatic proliferation of mobile applications (apps), app recommendation becomes an emergent task that would benefit both app users and stockholders. How to effectively organize and make full use of rich side information of users and apps is a key challenge to address the sparsity issue for traditional approaches. To meet this challenge, we proposed a novel end-to-end Knowledge Graph Convolutional Embedding Propagation Model (KGEP) for app recommendation. Specifically, we first designed a knowledge graph construction method to model the user and app side information, then adopted KG embedding techniques to capture the factual triplet-focused semantics of the side information related to the first-order structure of the KG, and finally proposed a relation-weighted convolutional embedding propagation model to capture the recommendation-focused semantics related to high-order structure of the KG. Extensive experiments conducted on a real-world dataset validate the effectiveness of the proposed approach compared to the state-of-the-art recommendation approaches.
Abstract（参考訳）: モバイルデバイスの急速な普及とモバイルアプリケーション(apps)の劇的な増殖により、アプリのレコメンデーションは、アプリユーザと株主の両方に利益をもたらす新たなタスクになる。ユーザやアプリのリッチなサイド情報を効果的に整理し、活用するには、従来のアプローチのスパーシティ問題に対処する上で、重要な課題です。この課題に対処するため、アプリレコメンデーションのための新しいエンドツーエンドの知識グラフ畳み込み伝播モデル(KGEP)を提案しました。具体的には,まず,ユーザおよびアプリ側情報をモデル化するナレッジグラフ構築法を考案し,その後,その1次構造に関連するサイド情報の事実三重項中心意味論を捉えたkg埋め込み手法を適用し,最後に,kgの高次構造に関連する推奨中心意味論を捉えた関係重み付き畳み込み伝播モデルを提案した。実世界のデータセット上で行った広範囲な実験は、最先端の推奨アプローチと比較して提案手法の有効性を検証する。

関連論文リスト

Pre-trained Language Model and Knowledge Distillation for Lightweight Sequential Recommendation [51.25461871988366]
本稿では,事前学習言語モデルと知識蒸留に基づく逐次推薦アルゴリズムを提案する。提案アルゴリズムは,推薦精度を高め,タイムリーな推薦サービスを提供する。
論文参考訳（メタデータ） (2024-09-23T08:39:07Z)
On a Scale-Invariant Approach to Bundle Recommendations in Candy Crush Saga [0.0]
本稿では,モバイルゲームシナリオにおけるアイテムレコメンデーション作成における注意モデルの利用について述べる。この手法はその後、Candy Crush Sagaのバンドルレコメンデーションに適用される。提案手法は,クリック率を30%,テイクレートを40%以上向上させ,ユーザのエンゲージメントを30%向上させることを示した。
論文参考訳（メタデータ） (2024-08-13T10:42:32Z)
LLM-Powered Explanations: Unraveling Recommendations Through Subgraph Reasoning [40.53821858897774]
本稿では,Large Language Models (LLMs) とKGs (KGs) を相乗する新しいレコメンデータを紹介し,そのレコメンデーションを強化し,解釈可能な結果を提供する。提案手法は,レコメンデータシステムの有効性と解釈性を両立させる。
論文参考訳（メタデータ） (2024-06-22T14:14:03Z)
Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
大規模テキストコーパスで事前訓練されたLarge Language Models (LLMs) は、推奨システムを強化するための有望な道を示す。オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
論文参考訳（メタデータ） (2024-05-07T04:00:30Z)
APGL4SR: A Generic Framework with Adaptive and Personalized Global Collaborative Information in Sequential Recommendation [86.29366168836141]
逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。 APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
論文参考訳（メタデータ） (2023-11-06T01:33:24Z)
Graph Neural Bandits [49.85090929163639]
グラフニューラルネットワーク(GNN)によって強化されたユーザ間の協調性を生かしたグラフニューラルバンド(GNB)というフレームワークを提案する。提案手法を改良するために,推定ユーザグラフ上の別々のGNNモデルを用いて,エクスプロイトと適応探索を行う。
論文参考訳（メタデータ） (2023-08-21T15:57:57Z)
A Personalized Recommender System Based-on Knowledge Graph Embeddings [0.0]
近年、知識グラフを情報モデリングの形式として利用することへの関心が高まっており、リコメンダシステムへの採用が増加している。関連するユーザと関連するアイテムを知識グラフに組み込むことで、これらのシステムはそれらの間の暗黙のつながりをよりよく捉え、より正確なレコメンデーションを提供することができる。
論文参考訳（メタデータ） (2023-07-20T08:14:06Z)
Semi-decentralized Federated Ego Graph Learning for Recommendation [58.21409625065663]
デバイス上でのレコメンデーションのための半分散型フェデレーションエゴグラフ学習フレームワークであるSemiDFEGLを提案する。提案するフレームワークはモデルに依存しないため、既存のグラフニューラルネットワークベースのレコメンデーションメソッドやプライバシ保護技術とシームレスに統合できる。
論文参考訳（メタデータ） (2023-02-10T03:57:45Z)
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)
Recommender systems based on graph embedding techniques: A comprehensive review [9.871096870138043]
本稿では,二部グラフ,一般グラフ,知識グラフの埋め込み手法からのグラフ埋め込みに基づく推薦を体系的に振り返る。いくつかの代表的なグラフ埋め込みベースのレコメンデーションモデルと、最もよく使われている従来のレコメンデーションモデルを比較すると、従来のモデルは、暗黙のユーザ-イテム相互作用を予測するためにグラフ埋め込みベースのレコメンデーションモデルよりも総合的に優れていることが示される。
論文参考訳（メタデータ） (2021-09-20T14:42:39Z)
Knowledge-Enhanced Top-K Recommendation in Poincar\'e Ball [33.90069123451581]
本稿では,知識グラフの階層構造を学習しやすくする,双曲空間における推薦モデルを提案する。双曲的注意ネットワークを用いて、あるアイテムの隣接エンティティの相対的重要性を決定する。提案モデルでは,Top-Kレコメンデーションにおいて,NDCG@Kの2～16%,既存モデルよりも優れていることを示す。
論文参考訳（メタデータ） (2021-01-13T03:16:50Z)

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。