Fugu-MT 論文翻訳(概要): Metric Learning for Session-based Recommendations

論文の概要: Metric Learning for Session-based Recommendations

arxiv url: http://arxiv.org/abs/2101.02655v1
Date: Thu, 7 Jan 2021 17:51:04 GMT
ステータス: 処理完了
システム内更新日: 2021-04-10 13:27:06.330904
Title: Metric Learning for Session-based Recommendations
Title（参考訳）: セッションベースレコメンデーションのためのメトリック学習
Authors: Bart{\l}omiej Twardowski, Pawe{\l} Zawistowski, Szymon Zaborowski
Abstract要約: メトリクス学習のアプローチを一般的な学習からランクへの手法と比較した。問題分析のための単純なアーキテクチャを提案し,大規模でも深層でも必要ではないことを示す。
参考スコア（独自算出の注目度）: 3.706222947143855
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Session-based recommenders, used for making predictions out of users' uninterrupted sequences of actions, are attractive for many applications. Here, for this task we propose using metric learning, where a common embedding space for sessions and items is created, and distance measures dissimilarity between the provided sequence of users' events and the next action. We discuss and compare metric learning approaches to commonly used learning-to-rank methods, where some synergies exist. We propose a simple architecture for problem analysis and demonstrate that neither extensively big nor deep architectures are necessary in order to outperform existing methods. The experimental results against strong baselines on four datasets are provided with an ablation study.
Abstract（参考訳）: セッションベースのレコメンデータは、ユーザの未中断なアクションシーケンスから予測するために使用され、多くのアプリケーションにとって魅力的なものです。そこで,本課題では,セッションやアイテムの共通埋め込み空間を創出するメトリックラーニングと,提供されたユーザのイベントシーケンスと次のアクションとの相違度を測定することを提案する。本稿では,いくつかのシナジーが存在する一般的な学習-ランク法と比較し,計量学習手法について考察する。本稿では,問題解析のためのシンプルなアーキテクチャを提案し,既存の手法を上回るためには,大規模かつ深いアーキテクチャは必要ないことを示した。 4つのデータセットに対する強いベースラインに対する実験結果は、アブレーション研究である。

関連論文リスト

Hierarchical Reinforcement Learning for Temporal Abstraction of Listwise Recommendation [51.06031200728449]
我々はmccHRLと呼ばれる新しいフレームワークを提案し、リストワイドレコメンデーションにおける時間的抽象化のレベルを異なるものにする。階層的な枠組みの中では、ハイレベルエージェントがユーザ知覚の進化を研究し、低レベルエージェントがアイテム選択ポリシーを作成している。その結果,本手法による性能改善は,いくつかのよく知られたベースラインと比較して有意な結果が得られた。
論文参考訳（メタデータ） (2024-09-11T17:01:06Z)
Denoising Pre-Training and Customized Prompt Learning for Efficient Multi-Behavior Sequential Recommendation [69.60321475454843]
マルチビヘイビアシークエンシャルレコメンデーションに適した,最初の事前学習および迅速な学習パラダイムであるDPCPLを提案する。事前学習段階において,複数の時間スケールでノイズを除去する新しい行動マイナ (EBM) を提案する。次に,提案するCustomized Prompt Learning (CPL)モジュールを用いて,事前学習したモデルを高効率にチューニングすることを提案する。
論文参考訳（メタデータ） (2024-08-21T06:48:38Z)
Concrete Subspace Learning based Interference Elimination for Multi-task Model Fusion [86.6191592951269]
一般的な事前訓練された大規模モデルから微調整されたマージングモデルは、様々なタスクに特化しているが、様々なタスクでうまく機能するマルチタスクモデルを構築するための安価でスケーラブルな戦略として実証されている。本稿では、共通低次元部分空間を同定し、その共有情報トラック干渉問題を性能を犠牲にすることなく利用するための連続緩和(Concrete)部分空間学習法を提案する。
論文参考訳（メタデータ） (2023-12-11T07:24:54Z)
Boosting the Learning for Ranking Patterns [6.142272540492935]
本稿では,多基準意思決定問題として,パターンランキング関数の学習問題を定式化する。本手法は,対話型学習手法を用いて,異なる興味度尺度を1つの重み付き線形ランキング関数に集約する。良く知られたデータセットを用いて行った実験は、我々のアプローチが実行時間を著しく短縮し、正確なパターンランキングを返すことを示している。
論文参考訳（メタデータ） (2022-03-05T10:22:44Z)
Sequential Search with Off-Policy Reinforcement Learning [48.88165680363482]
本稿では,RNN学習フレームワークとアテンションモデルからなる,スケーラブルなハイブリッド学習モデルを提案する。新たな最適化のステップとして、1つのRNNパスに複数の短いユーザシーケンスをトレーニングバッチ内に収める。また、マルチセッションパーソナライズされた検索ランキングにおける非政治強化学習の利用についても検討する。
論文参考訳（メタデータ） (2022-02-01T06:52:40Z)
Deep Relational Metric Learning [84.95793654872399]
本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
論文参考訳（メタデータ） (2021-08-23T09:31:18Z)
An Investigation of Replay-based Approaches for Continual Learning [79.0660895390689]
連続学習(CL)は機械学習(ML)の大きな課題であり、破滅的忘れ(CF)を伴わずに連続的に複数のタスクを学習する能力を記述する。いくつかの解クラスが提案されており、その単純さと堅牢性から、いわゆるリプレイベースのアプローチは非常に有望であるように思われる。連続学習におけるリプレイに基づくアプローチを実証的に検討し,応用の可能性を評価する。
論文参考訳（メタデータ） (2021-08-15T15:05:02Z)
Improved Representation Learning for Session-based Recommendation [0.0]
セッションベースのレコメンデーションシステムは、短期匿名セッションを用いてユーザの行動や嗜好をモデル化することで、ユーザに対して関連項目を提案する。既存の方法はグラフニューラルネットワーク(GNN)を利用して、近隣のノードから情報を伝達し集約する。我々は、よりリッチな表現学習を可能にする目標注意型GNNと組み合わせてトランスフォーマーを提案する。
論文参考訳（メタデータ） (2021-07-04T00:57:28Z)
Session-aware Recommendation: A Surprising Quest for the State-of-the-art [6.617487928813376]
セッション対応レコメンデーションは、ユーザの長期的な好みに応じてパーソナライズすることができる。我々は最近のセッション認識アルゴリズムを互いに比較し、セッションベースの推薦アルゴリズムと比較した。我々の研究は、より洗練されたセッション対応レコメンデーションアルゴリズムには、まだ大きな可能性を秘めていることを示している。
論文参考訳（メタデータ） (2020-11-06T15:18:01Z)
How do Offline Measures for Exploration in Reinforcement Learning behave? [5.573543601558405]
3つのデータベースのオフライン探索メトリクスの振る舞いを比較し、使用時に認識すべき問題を強調します。第4の計量、相対エントロピーを提案し、k-アネレスト近傍または最も近い近傍一様推定器を用いて実装する。
論文参考訳（メタデータ） (2020-10-29T12:58:30Z)
Comprehensive Empirical Evaluation of Deep Learning Approaches for Session-based Recommendation in E-Commerce [38.42250061908039]
セッションベースのレコメンデーションでは、リコメンデーションシステムは、同じセッション内でユーザが行ったイベントの順序をカウントして、他のアイテムを予測し、支持する。本稿では,セッションベースレコメンデーションで使用される最先端のディープラーニングアプローチについて,包括的に評価する。
論文参考訳（メタデータ） (2020-10-17T17:22:35Z)

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。