論文の概要: TrNews: Heterogeneous User-Interest Transfer Learning for News Recommendation

• arxiv url: http://arxiv.org/abs/2101.05611v2
• Date: Wed, 27 Jan 2021 06:31:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 08:28:35.446992
• Title: TrNews: Heterogeneous User-Interest Transfer Learning for News Recommendation
• Title（参考訳）: trnews: ニュースレコメンデーションのための不均一なユーザ-関心転送学習
• Authors: Guangneng Hu, Qiang Yang
• Abstract要約: 現実のレコメンデーションサービスでは、一部のパブリッシャは、新しくデプロイされたパブリッシャに使用できる多くのコンシューマを持つ大きなコーパスを蓄積したかもしれない。 本稿では,ソースコーパスからターゲットコーパスへ知識を伝達するためのニュースレコメンデーションのための伝達学習モデル(TrNews)を提案する。 trnewsが4つのメトリクスの観点から様々なベースラインよりも優れていることを実世界のデータセットで実験を通して示す。
• 参考スコア（独自算出の注目度）: 16.398453196451367
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We investigate how to solve the cross-corpus news recommendation for unseen users in the future. This is a problem where traditional content-based recommendation techniques often fail. Luckily, in real-world recommendation services, some publisher (e.g., Daily news) may have accumulated a large corpus with lots of consumers which can be used for a newly deployed publisher (e.g., Political news). To take advantage of the existing corpus, we propose a transfer learning model (dubbed as TrNews) for news recommendation to transfer the knowledge from a source corpus to a target corpus. To tackle the heterogeneity of different user interests and of different word distributions across corpora, we design a translator-based transfer-learning strategy to learn a representation mapping between source and target corpora. The learned translator can be used to generate representations for unseen users in the future. We show through experiments on real-world datasets that TrNews is better than various baselines in terms of four metrics. We also show that our translator is effective among existing transfer strategies.
• Abstract（参考訳）: 今後,未確認ユーザを対象としたクロスコーパスニュースレコメンデーションの解決方法について検討する。 これは、従来のコンテンツベースのレコメンデーションテクニックが失敗することが多い問題である。 幸いなことに、現実のレコメンデーションサービスでは、一部のパブリッシャ(例えばデイリーニュース)は、新しくデプロイされたパブリッシャ(例えば政治ニュース)に使用できる多くのコンシューマーを持つ大きなコーパスを蓄積したかもしれない。 既存のコーパスを活用するために,情報源コーパスから対象コーパスへ知識を転送するためのニュースレコメンデーションのための転送学習モデル(trnews)を提案する。 コーパス間の異なるユーザ関心と異なる単語分布の不均一性に対処するため、トランスレータベースのトランスファー学習戦略を設計し、ソースとターゲットコーパス間の表現マッピングを学習する。 学習された翻訳者は、将来、見えないユーザのための表現を生成するのに使うことができる。 trnewsが4つのメトリクスの観点から様々なベースラインよりも優れていることを実世界のデータセットで実験を通して示す。 また,既存の転送戦略において,翻訳者が有効であることを示す。

関連論文リスト

• Cross-Lingual Transfer for Natural Language Inference via Multilingual Prompt Translator [104.63314132355221]
  素早い学習による言語間移動は有望な効果を示した。 我々は,MPT(Multilingual Prompt Translator)という新しいフレームワークを提案する。 MPTは、ソース言語とはかなり異なる言語に移行する際、バニラプロンプトよりも顕著である。
  論文  参考訳（メタデータ） (2024-03-19T03:35:18Z)
• fakenewsbr: A Fake News Detection Platform for Brazilian Portuguese [0.6775616141339018]
  本稿ではブラジルポルトガル語における偽ニュースの検出に関する総合的研究について述べる。 本稿では、TF-IDFやWord2Vecといった自然言語処理技術を活用する機械学習ベースのアプローチを提案する。 ユーザフレンドリーなWebプラットフォームである fakenewsbr.com を開発し,ニュース記事の妥当性の検証を容易にする。
  論文  参考訳（メタデータ） (2023-09-20T04:10:03Z)
• LKPNR: LLM and KG for Personalized News Recommendation Framework [4.4851420148166]
  本研究では,LLM(Large Language Models)とKG(Knowledge Graphs)を組み合わせた新しいフレームワークを提案する。 提案手法は,ニュースエンティティに関する情報を組み合わせて,KGの複数のホップを通して高次構造情報をマイニングすることにより,長尾分布の課題を軽減する。
  論文  参考訳（メタデータ） (2023-08-23T09:39:18Z)
• Going Beyond Local: Global Graph-Enhanced Personalized News Recommendations [12.783388192026855]
  本稿では,GLORY(Global-Local News Recommendation sYstem)と呼ばれる新しいモデルを提案する。 我々は、グローバルニュースグラフを含み、ゲートグラフニューラルネットワークを用いてニュース表現を豊かにする、グローバル対応歴史ニュースを構築することで、これを実現する。 我々は,このアプローチをグローバルなエンティティグラフと候補ニュースアグリゲータを利用して,候補ニュース表現を強化するグローバル候補ニュースに拡張する。
  論文  参考訳（メタデータ） (2023-07-13T06:25:22Z)
• Beyond Contrastive Learning: A Variational Generative Model for Multilingual Retrieval [109.62363167257664]
  本稿では,多言語テキスト埋め込み学習のための生成モデルを提案する。 我々のモデルは、$N$言語で並列データを操作する。 本手法は, 意味的類似性, ビットクストマイニング, 言語間質問検索などを含む一連のタスクに対して評価を行う。
  論文  参考訳（メタデータ） (2022-12-21T02:41:40Z)
• Multiverse: Multilingual Evidence for Fake News Detection [71.51905606492376]
  Multiverseは、偽ニュースの検出に使用できる多言語エビデンスに基づく新機能である。 偽ニュース検出機能としての言語間証拠の使用仮説を確認した。
  論文  参考訳（メタデータ） (2022-11-25T18:24:17Z)
• Faking Fake News for Real Fake News Detection: Propaganda-loaded Training Data Generation [105.20743048379387]
  提案手法は,人間によるプロパガンダのスタイルや戦略から情報を得た学習例を生成するための新しいフレームワークである。 具体的には、生成した記事の有効性を確保するために、自然言語推論によって導かれる自己臨界シーケンストレーニングを行う。 実験の結果、PropaNewsでトレーニングされた偽ニュース検知器は、2つの公開データセットで3.62～7.69%のF1スコアで人書きの偽情報を検出するのに優れていることがわかった。
  論文  参考訳（メタデータ） (2022-03-10T14:24:19Z)
• Onception: Active Learning with Expert Advice for Real World Machine Translation [0.0]
  機械翻訳の最も活発な学習アプローチは、ソース言語における文プールの存在を前提としており、翻訳または後編集を提供するために人間のアノテーションに依存している。 本稿では, 実世界のヒューマン・イン・ザ・ループのシナリオを仮定する。 (i) 原文は簡単には入手できないが, ストリームに到達し, (ii) 自動翻訳は, 正しい/編集された翻訳ではなく, 評価の形でフィードバックを受ける。
  論文  参考訳（メタデータ） (2022-03-09T03:32:42Z)
• Aspect-driven User Preference and News Representation Learning for News Recommendation [9.187076140490902]
  ニュースレコメンダシステムは、通常、ユーザーのトピックレベルの表現とレコメンデーションのためのニュースを学習する。 本稿では,アスペクトレベルのユーザ嗜好とニュース表現学習に基づく,アスペクト駆動型ニューズレコメンダシステム(ANRS)を提案する。
  論文  参考訳（メタデータ） (2021-10-12T07:38:54Z)
• Learning Contextualised Cross-lingual Word Embeddings and Alignments for Extremely Low-Resource Languages Using Parallel Corpora [63.5286019659504]
  そこで本稿では,小さな並列コーパスに基づく文脈型言語間単語埋め込み学習手法を提案する。 本手法は,入力文の翻訳と再構成を同時に行うLSTMエンコーダデコーダモデルを用いて単語埋め込みを実現する。
  論文  参考訳（メタデータ） (2020-10-27T22:24:01Z)
• Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer [64.22926988297685]
  下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。 本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
  論文  参考訳（メタデータ） (2019-10-23T17:37:36Z)

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。