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
- Untargeted Black-box Attacks for Social Recommendations [30.794661063353328]
社会推薦システムは敵の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マルチアタック手法を提案する。
論文 参考訳(メタデータ) (2023-11-13T07:40:23Z) - Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。
OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。
我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文 参考訳(メタデータ) (2022-09-12T09:19:22Z) - 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) - HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric
Regularization [52.369435664689995]
HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。
具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。
提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
論文 参考訳(メタデータ) (2022-04-18T06:11:44Z) - 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) - Propagation-aware Social Recommendation by Transfer Learning [0.0]
本稿では,社会関係の伝播に基づくトランスファーラーニングネットワークを提案する。
a) 上位の友人は、順序バイアスによって考慮され、b) 同じ順序の異なる友人は、注意機構による推薦において、明確な重要性を持つ。
論文 参考訳(メタデータ) (2021-07-10T14:21:27Z) - Attentive Social Recommendation: Towards User And Item Diversities [19.68134197265983]
我々はこの問題に対処するための注意深い社会レコメンデーションシステム(ASR)を提案する。
まず、ASRでは、Rec-convグラフネットワーク層が、ソーシャルファクター、ユーザレーティング、アイテムレーティングの要素を抽出するために提案される。
第二に、多様な評価値に対して、遠ざかる戦略が適用される。
論文 参考訳(メタデータ) (2020-11-09T21:57:45Z) - 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) - User Memory Reasoning for Conversational Recommendation [68.34475157544246]
本研究では,ユーザの過去の(オフライン)好みと現在の(オンライン)要求を動的に管理する対話レコメンデーションモデルについて検討する。
MGConvRexはユーザメモリ上の人間レベルの推論をキャプチャし、推奨のためにゼロショット(コールドスタート)推論のためにユーザのトレーニング/テストセットを分離する。
論文 参考訳(メタデータ) (2020-05-30T05:29:23Z) - Reward Constrained Interactive Recommendation with Natural Language
Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。
具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。
提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文 参考訳(メタデータ) (2020-05-04T16:23:34Z)
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。