論文の概要: HSR: Hyperbolic Social Recommender

• arxiv url: http://arxiv.org/abs/2102.09389v1
• Date: Mon, 15 Feb 2021 12:09:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-19 14:12:20.261309
• Title: HSR: Hyperbolic Social Recommender
• Title（参考訳）: HSR:Hyperbolic Social Recommender
• Authors: Anchen Li, Bo Yang
• Abstract要約: 本稿では,ハイパボリック・ソーシャル・レコメンデーション・フレームワークであるHyperbolic Social Recommender(HSR)を紹介した。 HSRは高品質なユーザとアイテムの表現を学習し、ユーザ-イテムインタラクションとユーザ-ユーザ関係をモデル化する。 提案したHSRは,クリックスルー率予測とトップKレコメンデーションにおいて,ユークリッドと最先端のソーシャルレコメンデーションよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 3.788467660629549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the prevalence of online social media, users' social connections have been widely studied and utilized to enhance the performance of recommender systems. In this paper, we explore the use of hyperbolic geometry for social recommendation. We present Hyperbolic Social Recommender (HSR), a novel social recommendation framework that utilizes hyperbolic geometry to boost the performance. With the help of hyperbolic spaces, HSR can learn high-quality user and item representations for better modeling user-item interaction and user-user social relations. Via a series of extensive experiments, we show that our proposed HSR outperforms its Euclidean counterpart and state-of-the-art social recommenders in click-through rate prediction and top-K recommendation, demonstrating the effectiveness of social recommendation in the hyperbolic space.
• Abstract（参考訳）: オンライン・ソーシャルメディアの普及に伴い、利用者のソーシャル・コネクションは広く研究され、レコメンデーション・システムの性能向上に利用されている。 本稿では,双曲幾何学の社会推薦への応用について検討する。 本稿では,ハイパボリック・ソーシャル・レコメンデーション・フレームワークであるHyperbolic Social Recommender(HSR)を紹介した。 ハイパーボリック空間の助けを借りて、HSRは高品質のユーザーとアイテムの表現を学び、ユーザーとアイテムの相互作用とユーザーとユーザーの社会的関係をより良くモデリングできます。 提案するhsrは,クリックスルー率予測とtop-kレコメンデーションにおいて,euclideanや最先端ソーシャルレコメンデーションよりも優れており,双曲線空間における社会的レコメンデーションの有効性が実証されている。

関連論文リスト

• Graph Bottlenecked Social Recommendation [47.83350026188183]
  本稿では,社会騒音問題に対処するための新しいグラフ・ボトルネック・ソーシャル・レコメンデーション(GBSR)フレームワークを提案する。 GBSRはモデルに依存しないソーシャル・デノベーション・フレームワークであり、認知されたソーシャル・グラフとレコメンデーション・ラベルの相互情報の最大化を目的としている。
  論文  参考訳（メタデータ） (2024-06-12T13:44:22Z)
• Balancing User Preferences by Social Networks: A Condition-Guided Social Recommendation Model for Mitigating Popularity Bias [64.73474454254105]
  ソーシャルレコメンデーションモデルは、ユーザに対してユニークなパーソナライズされたレコメンデーション結果を提供するために、ソーシャルインタラクションをデザインに織り込む。 既存のソーシャルレコメンデーションモデルは、人気バイアスや社会的情報の冗長性の問題に対処できない。 本稿では,モデルの人気バイアスを軽減するための条件付きソーシャルレコメンデーションモデル(CGSoRec)を提案する。
  論文  参考訳（メタデータ） (2024-05-27T02:45:01Z)
• Learning Social Graph for Inactive User Recommendation [50.090904659803854]
  LSIRはソーシャルレコメンデーションのための最適なソーシャルグラフ構造を学習する。 実世界のデータセットの実験では、LSIRはNDCGで最大129.58%の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2024-05-08T03:40:36Z)
• A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
  我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。 提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。 特に、コメント視聴時間の4.13%が大幅に向上した。
  論文  参考訳（メタデータ） (2024-03-20T13:14:29Z)
• Multi-agent Attacks for Black-box Social Recommendations [27.08879125224201]
  グラフニューラルネットワーク(GNN)は,ユーザ-イテムインタラクションとユーザ-ユーザ関係を同時にモデル化するために広く研究されている。 これらの高度なレコメンデーターシステムは、攻撃者がよく設計された偽のユーザープロファイルを注入できる敵攻撃に対して非常に脆弱である。 本稿では,マルチエージェント強化学習に基づく新しいフレームワークであるMultiAttackを提案する。
  論文  参考訳（メタデータ） (2023-11-13T07:40:23Z)
• Disentangled Contrastive Learning for Social Recommendation [28.606016662435117]
  社会的レコメンデーションは、社会的関係を利用して、レコメンデーションのための表現学習を強化する。 本稿では,ソーシャルレコメンデーションDcRecのための新しいコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-18T09:15:18Z)
• Global Context Enhanced Social Recommendation with Hierarchical Graph Neural Networks [29.82196381724099]
  階層型グラフニューラルネットワーク(SR-HGNN)を用いた新しいソーシャルレコメンデーションフレームワークを提案する。 特に,リレーショナル・アウェア・グラフ・ニューラルネットを設計し,コラボレーティブ・セマンティクスをレコメンデーション・フレームワークに注入する。 さらに、低レベルのユーザ埋め込みと高レベルのグローバル表現の相互情報学習パラダイムに基づいて、社会関係エンコーダを用いたSR-HGNNをさらに強化する。
  論文  参考訳（メタデータ） (2021-10-08T11:26:04Z)
• INSPIRED: Toward Sociable Recommendation Dialog Systems [51.1063713492648]
  レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。 本稿では,映画レコメンデーションのための1,001人の人間-人間ダイアログのデータセットを提案する。 分析の結果,個人意見の共有や励ましとのコミュニケーションといった社会的レコメンデーション戦略が,より頻繁に実施されることが示唆された。
  論文  参考訳（メタデータ） (2020-09-29T21:03:44Z)
• Graph-Based Social Relation Reasoning [101.9402771161935]
  社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。 本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。 実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
  論文  参考訳（メタデータ） (2020-07-15T03:01:11Z)

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。