論文の概要: A Sequence-Oblivious Generation Method for Context-Aware Hashtag
Recommendation
- arxiv url: http://arxiv.org/abs/2012.02957v1
- Date: Sat, 5 Dec 2020 06:10:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-22 12:04:49.357540
- Title: A Sequence-Oblivious Generation Method for Context-Aware Hashtag
Recommendation
- Title(参考訳): コンテキスト認識型ハッシュタグレコメンデーションの逐次生成法
- Authors: Junmo Kang, Jeonghwan Kim, Suwon Shin, Sung-Hyon Myaeng
- Abstract要約: 本稿では,タグレコメンデーションに対する生成的アプローチを提案する。そこでは,以前に生成されたタグに条件付きで1つずつセマンティックタグが選択される。
このアプローチを、一連のコンテキスト特徴型を投稿に使用可能なInstagramデータセットに適用する。
- 参考スコア(独自算出の注目度): 4.253484635646481
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Like search, a recommendation task accepts an input query or cue and provides
desirable items, often based on a ranking function. Such a ranking approach
rarely considers explicit dependency among the recommended items. In this work,
we propose a generative approach to tag recommendation, where semantic tags are
selected one at a time conditioned on the previously generated tags to model
inter-dependency among the generated tags. We apply this tag recommendation
approach to an Instagram data set where an array of context feature types
(image, location, time, and text) are available for posts. To exploit the
inter-dependency among the distinct types of features, we adopt a simple yet
effective architecture using self-attention, making deep interactions possible.
Empirical results show that our method is significantly superior to not only
the usual ranking schemes but also autoregressive models for tag
recommendation. They indicate that it is critical to fuse mutually supporting
features at an early stage to induce extensive and comprehensive view on
inter-context interaction in generating tags in a recurrent feedback loop.
- Abstract(参考訳): 検索と同様に、レコメンデーションタスクは入力クエリやキューを受け取り、しばしばランキング関数に基づいて望ましいアイテムを提供する。
このようなランク付けアプローチは推奨項目間の明示的な依存をほとんど考慮しない。
そこで本研究では,生成したタグの相互依存性をモデル化するために,以前に生成したタグに条件付きでセマンティックタグを1つずつ選択する手法を提案する。
このタグレコメンデーションアプローチをInstagramのデータセットに適用し、コンテクストの特徴型(画像、場所、時間、テキスト)の配列が投稿に利用できるようにします。
特徴の異なるタイプ間の相互依存を利用するため、我々は自己着想を用いてシンプルで効果的なアーキテクチャを採用し、深い相互作用を可能にした。
実験の結果,提案手法は,通常のランキング方式よりもタグ推薦のための自己回帰モデルよりも有意に優れていることがわかった。
彼らは、繰り返しフィードバックループでタグを生成する際に、相互に補完する機能を早期に融合させることが、コンテキスト間相互作用の広範かつ包括的なビューを誘導することが重要であることを示唆している。
関連論文リスト
- Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳(メタデータ) (2023-05-08T21:48:17Z) - Exploring Structured Semantic Prior for Multi Label Recognition with
Incomplete Labels [60.675714333081466]
不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。
最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。
我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
論文 参考訳(メタデータ) (2023-03-23T12:39:20Z) - Intent-aware Multi-source Contrastive Alignment for Tag-enhanced
Recommendation [46.04494053005958]
我々は,情報ソースをまたいだ自己教師型学習を通じて,軽量で効果的な代替フレームワークを模索する。
我々は、ユーザと以前対話したアイテムに関連する補助情報とをペアリングするために、セルフスーパービジョン信号を使用する。
また,本手法はトレーニング時間を短縮しつつ,より優れた性能を実現することができることを示す。
論文 参考訳(メタデータ) (2022-11-11T17:43:19Z) - Type-supervised sequence labeling based on the heterogeneous star graph
for named entity recognition [6.25916397918329]
本稿では,テキストノードとタイプノードを含む異種星グラフの表現学習について述べる。
モデルは、グラフ内のノードを更新した後、タイプ管理シーケンスラベリングを実行する。
NERデータセットの公開実験により、フラットなエンティティとネストされたエンティティの両方を抽出する際のモデルの有効性が明らかとなった。
論文 参考訳(メタデータ) (2022-10-19T01:40:06Z) - Multi-Behavior Sequential Recommendation with Temporal Graph Transformer [66.10169268762014]
マルチビヘイビア・インタラクティブなパターンを意識した動的ユーザ・イテム関係学習に取り組む。
本稿では,動的短期および長期のユーザ・イテム対話パターンを共同でキャプチャする,TGT(Temporal Graph Transformer)レコメンデーションフレームワークを提案する。
論文 参考訳(メタデータ) (2022-06-06T15:42:54Z) - Exploring the Hierarchy in Relation Labels for Scene Graph Generation [75.88758055269948]
提案手法は,Recall@50において,複数の最先端ベースラインを大きなマージン(最大33%の相対利得)で改善することができる。
実験により,提案手法により,最先端のベースラインを大きなマージンで改善できることが示された。
論文 参考訳(メタデータ) (2020-09-12T17:36:53Z) - Item Tagging for Information Retrieval: A Tripartite Graph Neural
Network based Approach [44.75731013014112]
本稿では,アイテムノードとタグノード間のリンク予測問題として,アイテムタグの定式化を提案する。
この定式化により、多種類のノードとエッジを持つ異種グラフニューラルネットワークを利用するTagGNNモデルが得られる。
オープンデータセットとインダストリアルデータセットの両方の実験結果から,我々のTagGNNアプローチは最先端のマルチラベル分類手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2020-08-26T13:58:19Z) - Interaction Matching for Long-Tail Multi-Label Classification [57.262792333593644]
既存のマルチラベル分類モデルにおいて,制約に対処するためのエレガントで効果的なアプローチを提案する。
ソフトなn-gram相互作用マッチングを実行することで、ラベルと自然言語記述をマッチングする。
論文 参考訳(メタデータ) (2020-05-18T15:27:55Z) - Active Learning for Coreference Resolution using Discrete Annotation [76.36423696634584]
我々は、コア参照解決におけるアクティブラーニングのためのペアワイズアノテーションを改善した。
提案された参照ペアがコアフェレントでないと判断された場合、アノテータに参照アンテセントを識別するよう依頼する。
既存のベンチマークコアベンチマークデータセットを用いた実験では、この追加質問からの信号が人間のアノテーション時間当たりの大幅なパフォーマンス向上につながることが示された。
論文 参考訳(メタデータ) (2020-04-28T17:17:11Z)
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。