論文の概要: Application of Knowledge Graphs to Provide Side Information for Improved
Recommendation Accuracy
- arxiv url: http://arxiv.org/abs/2101.03054v1
- Date: Thu, 7 Jan 2021 16:52:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2021-04-10 13:26:00.929207
- Title: Application of Knowledge Graphs to Provide Side Information for Improved
Recommendation Accuracy
- Title（参考訳）: 推薦精度向上のためのサイド情報提供への知識グラフの適用
- Authors: Yuhao Mao, Serguei A. Mokhov, Sudhir P. Mudur
- Abstract要約: 我々は,知識グラフをレコメンデーションパイプラインに統合する新しい汎用レコメンデーションシステムフレームワークを提案する。
本フレームワークは,異なる知識グラフ表現形式をサポートし,推薦手法の学習に必要なフォーマット変換,マージ,情報抽出を容易にする。
- 参考スコア（独自算出の注目度）: 2.8360662552057323
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personalized recommendations are popular in these days of Internet driven
activities, specifically shopping. Recommendation methods can be grouped into
three major categories, content based filtering, collaborative filtering and
machine learning enhanced. Information about products and preferences of
different users are primarily used to infer preferences for a specific user.
Inadequate information can obviously cause these methods to fail or perform
poorly. The more information we provide to these methods, the more likely it is
that the methods perform better. Knowledge graphs represent the current trend
in recording information in the form of relations between entities, and can
provide additional (side) information about products and users. Such
information can be used to improve nearest neighbour search, clustering users
and products, or train the neural network, when one is used. In this work, we
present a new generic recommendation systems framework, that integrates
knowledge graphs into the recommendation pipeline. We describe its software
design and implementation, and then show through experiments, how such a
framework can be specialized for a domain, say movie recommendations, and the
improvements in recommendation results possible due to side information
obtained from knowledge graphs representation of such information. Our
framework supports different knowledge graph representation formats, and
facilitates format conversion, merging and information extraction needed for
training recommendation methods.
- Abstract（参考訳）: パーソナライズされたレコメンデーションは、インターネットによる活動、特にショッピングで人気がある。
推奨方法は、コンテンツベースのフィルタリング、協調フィルタリング、機械学習強化の3つの主要なカテゴリに分類される。
異なるユーザの好みや製品に関する情報は、主に特定のユーザの好みを推測するために使用される。
不十分な情報は明らかにこれらの手法の失敗や性能の低下を引き起こす可能性がある。
これらのメソッドにより多くの情報を提供するほど、メソッドがより良く機能する可能性が高くなる。
知識グラフは、エンティティ間の関係の形で情報を記録する現在の傾向を表し、製品とユーザに関する追加の情報(側)を提供することができる。
このような情報は、近接探索の改善、ユーザとプロダクトのクラスタリング、あるいはニューラルネットワークの使用時のトレーニングに使用することができる。
本稿では,知識グラフをレコメンデーションパイプラインに統合する新しい汎用レコメンデーションシステムフレームワークを提案する。
本稿では,そのソフトウェア設計と実装について述べるとともに,実験を通じて,そのようなフレームワークがドメインに対してどのように特殊化できるか,映画レコメンデーション,知識グラフから得られた情報による推薦結果の改善について述べる。
本フレームワークは,異なる知識グラフ表現形式をサポートし,推薦手法の学習に必要なフォーマット変換,マージ,情報抽出を容易にする。
関連論文リスト
- Dynamic Knowledge Selector and Evaluator for recommendation with Knowledge Graph [4.95829270467941]
本稿では,知識グラフ内の情報を抽出するための協調信号によって導かれる動的知識選択評価手法を提案する。
具体的には,各地区のレコメンデーション課題に対する貢献度を評価するために,連鎖経路評価器を用いる。
論文 参考訳（メタデータ） (2025-02-21T17:51:37Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳（メタデータ） (2023-10-28T06:31:06Z) - 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) - 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) - Recommending with Recommendations [1.1602089225841632]
レコメンデーションシステムは、しばしば予測を行う際に敏感なユーザー情報を引き出す。
既存のサービスからのレコメンデーションに基づいて、サービスのレコメンデーションエンジンを基盤にすることで、この障害に対処する方法を示します。
我々の設定では、ユーザの(潜在的に敏感な)情報は高次元の潜在空間に属します。
論文 参考訳（メタデータ） (2021-12-02T04:30:15Z) - Conditional Attention Networks for Distilling Knowledge Graphs in
Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。
本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。
そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文 参考訳（メタデータ） (2021-11-03T09:40:43Z) - 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) - Graphing else matters: exploiting aspect opinions and ratings in
explainable graph-based recommendations [66.83527496838937]
本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。
次に、AmazonとYelpの6つのドメインのレビューから生成されたグラフに対して、最先端のグラフ埋め込み技術を適用して評価する。
提案手法は,推奨項目について利用者が提示したアスペクトベースの意見を活用した説明を提供することの利点がある。
論文 参考訳（メタデータ） (2021-07-07T13:57:28Z) - A Survey on Neural Recommendation: From Collaborative Filtering to
Content and Context Enriched Recommendation [70.69134448863483]
レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。
近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
論文 参考訳（メタデータ） (2021-04-27T08:03:52Z) - Recommendation system using a deep learning and graph analysis approach [1.2183405753834562]
本稿では,行列係数化とグラフ解析に基づく新しい推薦手法を提案する。
さらに,ディープオートエンコーダを利用してユーザやアイテムの潜伏要因を初期化し,ディープ埋め込み手法によってユーザの潜伏要因をユーザ信頼グラフから収集する。
論文 参考訳（メタデータ） (2020-04-17T08:05:33Z) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。