論文の概要: Context-aware Heterogeneous Graph Attention Network for User Behavior Prediction in Local Consumer Service Platform

• arxiv url: http://arxiv.org/abs/2106.14652v1
• Date: Thu, 24 Jun 2021 03:08:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-29 17:56:53.166452
• Title: Context-aware Heterogeneous Graph Attention Network for User Behavior Prediction in Local Consumer Service Platform
• Title（参考訳）: 地域消費者サービスプラットフォームにおけるユーザ行動予測のためのコンテキストアウェア不均一グラフアテンションネットワーク
• Authors: Peiyuan Zhu, Xiaofeng Wang
• Abstract要約: ローカルコンシューマサービスプラットフォームは、GrouponやKoubeiといった、近くの店や自宅へのサービスを利用するソフトウェアを提供する。 ローカルコンシューマサービスプラットフォーム上でのユーザの振る舞いは、リアルタイムなローカルコンテキスト情報と密接に関連している。 本稿では,ユーザの表現を生成し,将来の行動の確率を推定するために,コンテキスト対応の異種グラフアテンションネットワーク(CHGAT)を提案する。
• 参考スコア（独自算出の注目度）: 8.30503479549857
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As a new type of e-commerce platform developed in recent years, local consumer service platform provides users with software to consume service to the nearby store or to the home, such as Groupon and Koubei. Different from other common e-commerce platforms, the behavior of users on the local consumer service platform is closely related to their real-time local context information. Therefore, building a context-aware user behavior prediction system is able to provide both merchants and users better service in local consumer service platforms. However, most of the previous work just treats the contextual information as an ordinary feature into the prediction model to obtain the prediction list under a specific context, which ignores the fact that the interest of a user in different contexts is often significantly different. Hence, in this paper, we propose a context-aware heterogeneous graph attention network (CHGAT) to dynamically generate the representation of the user and to estimate the probability for future behavior. Specifically, we first construct the meta-path based heterogeneous graphs with the historical behaviors from multiple sources and comprehend heterogeneous vertices in the graph with a novel unified knowledge representing approach. Next, a multi-level attention mechanism is introduced for context-aware aggregation with graph vertices, which contains the vertex-level attention network and the path-level attention network. Both of them aim to capture the semantic correlation between information contained in the graph and the outside real-time contextual information in the search system. Then the model proposed in this paper aggregates specific graphs with their corresponding context features and obtains the representation of user interest under a specific context and input it into the prediction network to finally obtain the predicted probability of user behavior.
• Abstract（参考訳）: 近年開発された新しいタイプのeコマースプラットフォームとして、地域消費者サービスプラットフォームは、ユーザーが近くの店やGrouponやKoubeiといった自宅へのサービスを利用するソフトウェアを提供する。 他の一般的なeコマースプラットフォームとは異なり、ローカルコンシューマサービスプラットフォームのユーザの振る舞いは、リアルタイムのローカルコンテキスト情報と密接に関連している。 したがって、コンテキスト対応のユーザ行動予測システムを構築することで、地元消費者サービスプラットフォームにおいて、商人とユーザーの両方がより良いサービスを提供できる。 しかし、従来の研究のほとんどは、コンテキスト情報の通常の特徴を予測モデルに扱い、特定のコンテキスト下で予測リストを取得することで、異なるコンテキストにおけるユーザの興味がしばしば著しく異なるという事実を無視している。 そこで本稿では,ユーザの表現を動的に生成し,将来の行動の確率を推定する,文脈認識型不均一グラフ注意ネットワーク(chgat)を提案する。 具体的には、まず、複数のソースからの歴史的振る舞いを持つメタパスに基づく異種グラフを構築し、新しい統一知識表現アプローチを用いて、グラフ内の異種頂点を理解する。 次に、頂点レベルのアテンションネットワークとパスレベルのアテンションネットワークを含むグラフ頂点を用いたコンテキスト認識アグリゲーションのためのマルチレベルアテンション機構を導入する。 どちらも、グラフに含まれる情報と検索システム内の外部リアルタイムコンテキスト情報との意味的相関を捉えることを目的としている。 そして,本論文で提案するモデルは,特定のグラフに対応するコンテキストの特徴を集約し,特定のコンテキスト下でのユーザ関心の表現を取得し,それを予測ネットワークに入力し,最終的にユーザ行動の予測確率を得る。

関連論文リスト

• Audience Expansion for Multi-show Release Based on an Edge-prompted Heterogeneous Graph Network [5.8720142291102135]
  エッジプロンプト不均質グラフネットワークに基づく2段階のオーディエンス拡張スキームを提案する。 オフラインの段階では、グラフを構築するために、ユーザIDと番組の特定のサイド情報の組み合わせがノードとして選択される。 オンライン段階では、クリック/ビューユーザを含む後続データをシードとして使用して、類似ユーザを探す。
  論文  参考訳（メタデータ） (2023-04-08T15:14:32Z)
• DIGMN: Dynamic Intent Guided Meta Network for Differentiated User Engagement Forecasting in Online Professional Social Platforms [32.70471436337077]
  ユーザエンゲージメントパターンの違いの大きな理由は、ユーザが異なる意図を持っていることだ。 本稿では動的ガイドメタネットワーク(DIGMN)を提案する。 我々の手法は最先端のベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2022-10-22T09:57:27Z)
• 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)
• Learning Personalized Representations using Graph Convolutional Network [16.149897648881844]
  グラフ畳み込みネットワークに基づくモデル、すなわちパーソナライズされた動的ルーティング機能(PDRFE)を提案する。 PDRFEは、構築されたグラフから学習したパーソナライズされた顧客表現を生成する。 提案したモデルに対するクロスエントロピー測定では,ベースラインと比較して最大41%の改善が見られた。
  論文  参考訳（メタデータ） (2022-07-28T11:31:38Z)
• A Graph-Enhanced Click Model for Web Search [67.27218481132185]
  ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。 セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
  論文  参考訳（メタデータ） (2022-06-17T08:32:43Z)
• In the Eye of the Beholder: Robust Prediction with Causal User Modeling [27.294341513692164]
  データ分布の変化に頑健な関係予測のための学習フレームワークを提案する。 私たちのキーとなる観察は、ユーザがどのように環境を慎重に知覚するかを考慮し、堅牢性を得ることができることです。
  論文  参考訳（メタデータ） (2022-06-01T11:33:57Z)
• 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)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• GCN-ALP: Addressing Matching Collisions in Anchor Link Prediction [40.811988657941946]
  問題のtextitanchorリンク予測は、ソーシャルネットワーク全体のユーザープロファイル、コンテンツ、ネットワーク構造上の共通の根拠とユーザーデータをリンクするために形式化されます。 マッチンググラフ上でのアンカーリンク予測を効率的に解く、ミニバッチ戦略によるグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-19T02:41:55Z)
• Jointly Cross- and Self-Modal Graph Attention Network for Query-Based Moment Localization [77.21951145754065]
  本稿では,共同グラフを渡る反復的メッセージのプロセスとして,このタスクをリキャストするクロスモーダルグラフ注意ネットワーク(CSMGAN)を提案する。 CSMGANは2つのモード間の高次相互作用を効果的に捉えることができ、より正確な局所化を可能にします。
  論文  参考訳（メタデータ） (2020-08-04T08:25:24Z)
• Disentangled Graph Collaborative Filtering [100.26835145396782]
  Disentangled Graph Collaborative Filtering (DGCF)は、インタラクションデータからユーザとアイテムの情報表現を学ぶための新しいモデルである。 ユーザ・イテムのインタラクション毎に意図を超越した分布をモデル化することにより、インテント・アウェアなインタラクショングラフと表現を反復的に洗練する。 DGCFはNGCF、DisenGCN、MacridVAEといった最先端モデルよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2020-07-03T15:37:25Z)

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。