論文の概要: Unsupervised Proxy Selection for Session-based Recommender Systems
- arxiv url: http://arxiv.org/abs/2107.03564v1
- Date: Thu, 8 Jul 2021 02:03:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-09 13:30:31.358894
- Title: Unsupervised Proxy Selection for Session-based Recommender Systems
- Title（参考訳）: セッションベースレコメンダシステムのための教師なしプロキシ選択
- Authors: Junsu Cho, SeongKu Kang, Dongmin Hyun, Hwanjo Yu
- Abstract要約: セッションベースのレコメンダシステム(SRS)は、匿名のショートアイテムシーケンス(セッション)の次の項目を推奨するために活発に開発されている。
ユーザの短期的関心と一般的関心の両方をモデル化するために,各ユーザのインタラクションシーケンス全体を使用可能なシーケンス認識レコメンデータシステムとは異なり,SRSにおけるユーザ依存情報の欠如は,ユーザの一般的関心を直接データから引き出すのを困難にしている。
既存のSRSはセッション内の短期的関心に関する情報を効果的にモデル化する方法に重点を置いているが、一般的な関心を捉えるには不十分である。
- 参考スコア（独自算出の注目度）: 15.930016839929047
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Session-based Recommender Systems (SRSs) have been actively developed to
recommend the next item of an anonymous short item sequence (i.e., session).
Unlike sequence-aware recommender systems where the whole interaction sequence
of each user can be used to model both the short-term interest and the general
interest of the user, the absence of user-dependent information in SRSs makes
it difficult to directly derive the user's general interest from data.
Therefore, existing SRSs have focused on how to effectively model the
information about short-term interest within the sessions, but they are
insufficient to capture the general interest of users. To this end, we propose
a novel framework to overcome the limitation of SRSs, named ProxySR, which
imitates the missing information in SRSs (i.e., general interest of users) by
modeling proxies of sessions. ProxySR selects a proxy for the input session in
an unsupervised manner, and combines it with the encoded short-term interest of
the session. As a proxy is jointly learned with the short-term interest and
selected by multiple sessions, a proxy learns to play the role of the general
interest of a user and ProxySR learns how to select a suitable proxy for an
input session. Moreover, we propose another real-world situation of SRSs where
a few users are logged-in and leave their identifiers in sessions, and a
revision of ProxySR for the situation. Our experiments on real-world datasets
show that ProxySR considerably outperforms the state-of-the-art competitors,
and the proxies successfully imitate the general interest of the users without
any user-dependent information.
- Abstract（参考訳）: セッションベースのレコメンダシステム(SRS)は、匿名のショートアイテムシーケンス(セッション)の次の項目を推奨するために活発に開発されている。
ユーザの短期的関心と一般的関心の両方をモデル化するために各ユーザのインタラクションシーケンスを使用できるシーケンス認識レコメンデータシステムとは異なり、SRSにユーザ依存情報がないため、ユーザの一般的関心を直接データから引き出すことは困難である。
したがって、既存のsrssはセッション内の短期的関心に関する情報を効果的にモデル化する方法に重点を置いているが、ユーザの一般的な関心を捉えるには不十分である。
この目的のために,セッションのプロキシをモデル化することで,SRSの欠落情報を模倣するProxySR(ProxySR)という,SRSの制限を克服する新しいフレームワークを提案する。
ProxySRは、教師なしの方法で入力セッションのプロキシを選択し、セッションの符号化された短期的関心と組み合わせる。
プロキシは短期的な関心と共同で学び、複数のセッションによって選択されるので、プロキシはユーザの一般的な関心の役割を演じることを学び、ProxySRは入力セッションに適したプロキシを選択する方法を学ぶ。
さらに,数名のユーザがログインしてセッションに識別子を残すSRSの現実的な状況と,その状況に対するProxySRの改訂を提案する。
実世界のデータセットを用いた実験により, ProxySRは最先端の競合よりかなり優れており, プロキシはユーザ依存の情報を持たないユーザの一般的な関心を模倣することに成功した。
関連論文リスト
- User Consented Federated Recommender System Against Personalized
Attribute Inference Attack [55.24441467292359]
本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。
UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
論文 参考訳（メタデータ） (2023-12-23T09:44:57Z) - When Search Meets Recommendation: Learning Disentangled Search
Representation for Recommendation [56.98380787425388]
シークエンシャルレコメンデーション(SESRec)のための検索強化フレームワークを提案する。
SESRec は、S&R の振る舞いにおいて類似および異種表現を分離する。
産業用と公共用両方のデータセットの実験では、SESRecが最先端のモデルより一貫して優れていることが示されている。
論文 参考訳（メタデータ） (2023-05-18T09:04:50Z) - STAR: A Session-Based Time-Aware Recommender System [8.122270502556372]
セッションベースレコメンダ(SBR)は,セッションにおける過去のインタラクションに関するユーザの次の好みを予測することを目的としている。
本稿では,SBRの性能向上におけるセッション時間情報の可能性について検討する。
本稿では、セッション内のイベント間の時間間隔を利用して、アイテムやセッションのより情報的な表現を構築するSTARフレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-11T18:25:48Z) - Intelligent Request Strategy Design in Recommender System [76.90734681369156]
我々は、Intelligent Request Strategy Design(IRSD)というエッジインテリジェンスの新しい学習タスクを構想する。
IRSDは、ユーザのリアルタイムな意図に基づいて、リクエスト挿入の適切なタイミングを決定することにより、ウォーターフォールRSの有効性を向上させることを目的としている。
我々は、アップリフトベースのOn-edge Smart Request Framework(AdaRequest)という、適応的な要求挿入戦略の新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2022-06-23T16:51:38Z) - Heterogeneous Graph Neural Network for Personalized Session-Based
Recommendation with User-Session Constraints [0.0]
セッションベースのレコメンデーションは、アイテムのシーケンスで構成されるセッションを解釈することでアイテムを推奨しようとする。
本稿では,不均一な注意ネットワークを通じてセッションによって生成されるグラフの様々な関係について考察する。
トレーニングプロセスのさらなる最適化を通じて、パフォーマンスの向上を目指している。
論文 参考訳（メタデータ） (2022-05-23T14:35:26Z) - Sequential/Session-based Recommendations: Challenges, Approaches,
Applications and Opportunities [20.968084179750143]
シーケンシャルレコメンダシステム(SRS)とセッションベースレコメンダシステム(SBRS)は、RSの新しいパラダイムとして登場した。
この領域には、さまざまな説明、設定、前提、アプリケーションドメインによって、多くの矛盾がある。
この研究は、このエキサイティングで活気ある領域のさらなる研究を促進するために、これらのギャップを埋めることを目的としている。
論文 参考訳（メタデータ） (2022-05-22T06:17:36Z) - G$^3$SR: Global Graph Guided Session-based Recommendation [116.38098186755029]
セッションベースのレコメンデーションは、匿名セッションデータを使用して高品質なレコメンデーションを提供しようとします。
G$3$SR (Global Graph Guided Session-based Recommendation)はセッションベースのレコメンデーションワークフローを2つのステップに分割する。
2つの実世界のベンチマークデータセットの実験は、最先端の手法よりもG$3$SR法の顕著で一貫した改善を示している。
論文 参考訳（メタデータ） (2022-03-12T15:44:03Z) - Sequential Search with Off-Policy Reinforcement Learning [48.88165680363482]
本稿では,RNN学習フレームワークとアテンションモデルからなる,スケーラブルなハイブリッド学習モデルを提案する。
新たな最適化のステップとして、1つのRNNパスに複数の短いユーザシーケンスをトレーニングバッチ内に収める。
また、マルチセッションパーソナライズされた検索ランキングにおける非政治強化学習の利用についても検討する。
論文 参考訳（メタデータ） (2022-02-01T06:52:40Z) - SR-HetGNN:Session-based Recommendation with Heterogeneous Graph Neural
Network [20.82060191403763]
セッションベースレコメンデーションシステムは、前のセッションシーケンスに基づいて、ユーザの次のクリックを予測することを目的としている。
セッション埋め込みを学習するために異種グラフニューラルネットワーク(HetGNN)を用いたセッション推薦手法SR-HetGNNを提案する。
SR-HetGNNは、DigineticaとTmallの2つの実際の大規模データセットに対する広範な実験を通じて、既存の最先端セッションベースのレコメンデーション手法よりも優れていることが示されている。
論文 参考訳（メタデータ） (2021-08-12T10:12:48Z) - Reciprocal Recommender Systems: Analysis of State-of-Art Literature,
Challenges and Opportunities towards Social Recommendation [14.944946561487535]
Reciprocal Recommender System (RRS)は、データ駆動型パーソナライズされた意思決定支援ツールである。
RRSは、ユーザの好み、ニーズ、行動に基づいて、ユーザ関連のデータを処理し、フィルタリングし、推奨する。
本稿では,RSのアルゴリズム,融合プロセス,基礎的特徴に着目し,現状のRS研究を要約する。
論文 参考訳（メタデータ） (2020-07-17T09:48:46Z) - Sequential Recommender Systems: Challenges, Progress and Prospects [50.12218578518894]
シーケンシャルレコメンダシステム(SRS)は、シーケンシャルなユーザ行動、ユーザとアイテム間の相互作用、ユーザの好みとアイテムの人気の時間的変化を理解し、モデル化しようとする。
まず, SRSの特徴を概説し, 研究領域における課題をまとめ, 分類し, そして, 最新の研究成果と代表的研究成果から, 対応する研究の進展を概説する。
論文 参考訳（メタデータ） (2019-12-28T05:12:28Z)
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。