論文の概要: A Unified Model for Recommendation with Selective Neighborhood Modeling
- arxiv url: http://arxiv.org/abs/2010.08547v1
- Date: Mon, 19 Oct 2020 08:06:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 22:43:25.582496
- Title: A Unified Model for Recommendation with Selective Neighborhood Modeling
- Title（参考訳）: 選択的近傍モデルを用いた勧告の統一モデル
- Authors: Jingwei Ma and Jiahui Wen and Panpan Zhang and Guangda Zhang and Xue
Li
- Abstract要約: そこで我々は、類似の隣人を異種(ノイズの多い)から自動的に分離するハイブリッドゲートネットワークを設計する、新しい近所ベースのレコメンデータを提案する。
提案モデルは,最先端の地域ベースレコメンデーションよりも一貫して優れていることを示す。
- 参考スコア（独自算出の注目度）: 9.367539466637664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Neighborhood-based recommenders are a major class of Collaborative Filtering
(CF) models. The intuition is to exploit neighbors with similar preferences for
bridging unseen user-item pairs and alleviating data sparseness. Many existing
works propose neural attention networks to aggregate neighbors and place higher
weights on specific subsets of users for recommendation. However, the
neighborhood information is not necessarily always informative, and the noises
in the neighborhood can negatively affect the model performance. To address
this issue, we propose a novel neighborhood-based recommender, where a hybrid
gated network is designed to automatically separate similar neighbors from
dissimilar (noisy) ones, and aggregate those similar neighbors to comprise
neighborhood representations. The confidence in the neighborhood is also
addressed by putting higher weights on the neighborhood representations if we
are confident with the neighborhood information, and vice versa. In addition, a
user-neighbor component is proposed to explicitly regularize user-neighbor
proximity in the latent space. These two components are combined into a unified
model to complement each other for the recommendation task. Extensive
experiments on three publicly available datasets show that the proposed model
consistently outperforms state-of-the-art neighborhood-based recommenders. We
also study different variants of the proposed model to justify the underlying
intuition of the proposed hybrid gated network and user-neighbor modeling
components.
- Abstract（参考訳）: 近隣の推奨者は、CF(Collaborative Filtering)モデルの主要なクラスである。
直感は、見当たらないユーザーとアイテムのペアを橋渡しし、データのスパースを緩和するために、類似の好みを持つ隣人を悪用することである。
既存の多くの研究は、隣人を集約し、推薦のためにユーザーの特定のサブセットにより高い重みをつけるニューラルネットワークを提案している。
しかし、近隣の情報は必ずしも情報であり、近隣の騒音はモデル性能に悪影響を及ぼす可能性がある。
この問題に対処するため、我々は、類似の隣人を異種(ノイズ)から自動的に分離し、類似の隣人を集約して近隣表現を構成するハイブリッドゲートネットワークを提案する。
近所の信頼感はまた、近所の情報に自信があるなら、その隣の表現に重みを付けて対処し、その逆にも対処します。
さらに,潜在空間内のユーザ近傍を明示的に正規化するために,ユーザ近傍コンポーネントを提案する。
これら2つのコンポーネントは、レコメンデーションタスクのために互いに補完するために、統一されたモデルに結合されます。
公開されている3つのデータセットに関する広範な実験は、提案モデルが最先端の近所ベースのレコメンダを一貫して上回っていることを示している。
また,提案モデルの異なる変種について検討し,提案するハイブリッドゲートネットワークとユーザ・neighborモデリングコンポーネントの直観を正当化する。
関連論文リスト
- Towards Adaptive Neighborhood for Advancing Temporal Interaction Graph Modeling [19.831424038609462]
テンポラルグラフネットワーク(TGN)は、テンポラル相互作用グラフのモデル化において、その顕著な性能を実証している。
本稿では,適応型近傍符号化機構を導入し,既存のTGNの強化を目指す。
既存のTGNとシームレスに統合可能な,フレキシブルなプラグアンドプレイモデルSEANを提案する。
論文 参考訳（メタデータ） (2024-06-14T07:57:17Z) - Non-Neighbors Also Matter to Kriging: A New Contrastive-Prototypical
Learning [24.701170582359104]
既存の研究は、隣人の情報が、観測されていない対象の属性を推定する基盤を提供すると仮定している。
本研究では,隣人からの貴重な情報を洗練し,非隣人からの情報を再利用するために,KrigingのためのContrastive-Prototypealの自己教師型学習を提案する。
論文 参考訳（メタデータ） (2024-01-23T11:46:31Z) - Rethinking Missing Data: Aleatoric Uncertainty-Aware Recommendation [59.500347564280204]
本稿では, Aleatoric Uncertainty-aware Recommendation (AUR) フレームワークを提案する。
AURは、新しい不確実性推定器と通常のレコメンデータモデルで構成されている。
誤ラベルの可能性がペアの可能性を反映しているため、AURは不確実性に応じてレコメンデーションを行う。
論文 参考訳（メタデータ） (2022-09-22T04:32:51Z) - 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) - Spatial Autoregressive Coding for Graph Neural Recommendation [38.66151035948021]
浅いモデルとディープグラフニューラルネットワーク(GNN)は、サンプリングされたサブグラフやシーケンスの近傍を適切に利用できない。
本稿では、上記の問題を統一的に解くための新しいフレームワークである空間自己回帰符号化(SAC)を提案する。
パブリックレコメンデーションデータセットと実シナリオWebスケールデータセットの両方の実験結果は、最先端の手法と比較してSACの優位性を示している。
論文 参考訳（メタデータ） (2022-05-19T12:00:01Z) - 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) - Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。
周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。
本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
論文 参考訳（メタデータ） (2022-01-25T12:44:23Z) - Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。
本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
論文 参考訳（メタデータ） (2021-08-10T14:46:17Z) - Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on
Higher-Order Voronoi Diagrams [69.4411417775822]
逆例は機械学習モデルにおいて広く研究されている現象である。
そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-19T08:49:10Z) - Neighborhood Matching Network for Entity Alignment [71.24217694278616]
Neighborhood Matching Network (NMN)は、新しいエンティティアライメントフレームワークである。
NMNは、トポロジカル構造と近傍差の両方を捉えるために、エンティティ間の類似性を推定する。
まず、新しいグラフサンプリング法を用いて、各エンティティの識別的近傍を蒸留する。
その後、クロスグラフの近傍マッチングモジュールを採用し、与えられたエンティティペアの近傍差を共同で符号化する。
論文 参考訳（メタデータ） (2020-05-12T08:26:15Z) - Neighborhood and Graph Constructions using Non-Negative Kernel
Regression [42.16401154367232]
そこで我々は, 近傍構造がスパース信号近似問題と等価であることを示す。
また,非負のカーネル回帰(NNK)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2019-10-21T13:58:14Z)
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。