論文の概要: Cold Start Similar Artists Ranking with Gravity-Inspired Graph Autoencoders

• arxiv url: http://arxiv.org/abs/2108.01053v1
• Date: Mon, 2 Aug 2021 17:19:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-03 17:41:09.461564
• Title: Cold Start Similar Artists Ranking with Gravity-Inspired Graph Autoencoders
• Title（参考訳）: cold start similar artists ranking with gravity-inspired graph autoencoder (英語)
• Authors: Guillaume Salha-Galvan and Romain Hennequin and Benjamin Chapus and Viet-Anh Tran and Michalis Vazirgiannis
• Abstract要約: 我々は、有向グラフと属性グラフのリンク予測タスクとして、コールドスタート類似アーティストランキング問題をモデル化する。 次に、グラフオートエンコーダアーキテクチャを利用して、このグラフからノード埋め込み表現を学習し、新しいアーティストの最もよく似た隣人を自動的にランク付けする。 実世界のコールドスタートに似たアーティストが、グローバル音楽ストリーミングサービスのランキング問題に対処することで、我々のフレームワークの柔軟性と効果を実証的に示す。
• 参考スコア（独自算出の注目度）: 18.395568778680207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: On an artist's profile page, music streaming services frequently recommend a ranked list of "similar artists" that fans also liked. However, implementing such a feature is challenging for new artists, for which usage data on the service (e.g. streams or likes) is not yet available. In this paper, we model this cold start similar artists ranking problem as a link prediction task in a directed and attributed graph, connecting artists to their top-k most similar neighbors and incorporating side musical information. Then, we leverage a graph autoencoder architecture to learn node embedding representations from this graph, and to automatically rank the top-k most similar neighbors of new artists using a gravity-inspired mechanism. We empirically show the flexibility and the effectiveness of our framework, by addressing a real-world cold start similar artists ranking problem on a global music streaming service. Along with this paper, we also publicly release our source code as well as the industrial graph data from our experiments.
• Abstract（参考訳）: アーティストのプロフィールページでは、音楽ストリーミングサービスはファンが好んだ「類似アーティスト」のランキングをしばしば推奨している。 しかし、こうした機能を実装することは、サービス上の使用データ(例えば、サービス上の使用データ)を持つ新しいアーティストにとって困難である。 ストリームやlikes)はまだ利用できない。 本稿では,このコールドスタート類似アーティストランキング問題を,有意かつ帰属的なグラフにおけるリンク予測タスクとしてモデル化し,アーティストと最上位の類似アーティストを接続し,サイド音楽情報を取り込む。 次に、グラフオートエンコーダアーキテクチャを用いて、このグラフからノード埋め込み表現を学習し、重力に着想を得たメカニズムを用いて、新しいアーティストの最もよく似た隣人を自動的にランク付けする。 我々は,世界規模の音楽ストリーミングサービスにおける類似アーティストのランキング問題に対処することで,その柔軟性と効果を実証的に示す。 この論文と並行して,実験から得られた産業用グラフデータとともに,ソースコードの公開も行います。

関連論文リスト

• GraphMuse: A Library for Symbolic Music Graph Processing [3.997809845676912]
  GraphMuseは、効率的な音楽グラフ処理を容易にするグラフ処理フレームワークとライブラリである。 音楽の楽譜における意味のある動作を対象とする新しいサンプリング手法が,我々の貢献の中心である。 GraphMuseは、グラフ表現に基づくシンボリックな音楽処理の強化と標準化に繋がることを期待しています。
  論文  参考訳（メタデータ） (2024-07-17T15:54:09Z)
• Combinatorial music generation model with song structure graph analysis [18.71152526968065]
  音符列や楽器などの情報をノードの特徴として用いたグラフを構築し,音符列間の相関がエッジの特徴として機能する。 グラフニューラルネットワークを用いてノード表現を訓練し,ノード表現をUnetの入力として使用して,ConLONのピアノロール画像遅延を生成する。
  論文  参考訳（メタデータ） (2023-12-24T04:09:30Z)
• Semi-Supervised Hierarchical Graph Classification [54.25165160435073]
  ノードがグラフのインスタンスである階層グラフにおけるノード分類問題について検討する。 本稿では階層グラフ相互情報(HGMI)を提案し,理論的保証をもってHGMIを計算する方法を提案する。 本稿では,この階層グラフモデリングとSEAL-CI法がテキストおよびソーシャルネットワークデータに与える影響を実証する。
  論文  参考訳（メタデータ） (2022-06-11T04:05:29Z)
• CGMN: A Contrastive Graph Matching Network for Self-Supervised Graph Similarity Learning [65.1042892570989]
  自己教師付きグラフ類似性学習のためのコントラストグラフマッチングネットワーク(CGMN)を提案する。 我々は,効率的なノード表現学習のために,クロスビューインタラクションとクロスグラフインタラクションという2つの戦略を用いる。 我々はノード表現をグラフ類似性計算のためのプール演算によりグラフレベル表現に変換する。
  論文  参考訳（メタデータ） (2022-05-30T13:20:26Z)
• Unbiased Graph Embedding with Biased Graph Observations [52.82841737832561]
  基礎となるバイアスのないグラフから学習することで、バイアスのない表現を得るための、原則化された新しい方法を提案する。 この新たな視点に基づいて、そのような基礎となるグラフを明らかにするための2つの補完的手法を提案する。
  論文  参考訳（メタデータ） (2021-10-26T18:44:37Z)
• Artist Similarity with Graph Neural Networks [1.160208922584163]
  本稿では,三重項損失を学習したグラフニューラルネットワークを用いて,アーティスト間の類似性を計算するためのハイブリッドアプローチを提案する。 グラフニューラルネットワークアーキテクチャの新規性は、アーティスト接続のグラフのトポロジとコンテンツ機能を組み合わせて、アーティストを類似性を符号化したベクトル空間に埋め込むことである。 17,673人のアーティストを擁するこのデータセットは、これまでで最大の学術的アーティスト類似性データセットであり、コンテンツベースの機能を含んでいる。
  論文  参考訳（メタデータ） (2021-07-30T10:44:31Z)
• Graphing else matters: exploiting aspect opinions and ratings in explainable graph-based recommendations [66.83527496838937]
  本稿では,テキストレビューで表現された評価情報とアスペクトベースの意見を組み合わせたグラフから抽出した埋め込みを活用することを提案する。 次に、AmazonとYelpの6つのドメインのレビューから生成されたグラフに対して、最先端のグラフ埋め込み技術を適用して評価する。 提案手法は,推奨項目について利用者が提示したアスペクトベースの意見を活用した説明を提供することの利点がある。
  論文  参考訳（メタデータ） (2021-07-07T13:57:28Z)
• Generating a Doppelganger Graph: Resembling but Distinct [5.618335078130568]
  本論文では,与えられたグラフ特性に類似したドッペルガンガーグラフを生成する手法を提案する。 このアプローチは、グラフ表現学習、生成的敵ネットワーク、およびグラフ実現アルゴリズムのオーケストレーションである。
  論文  参考訳（メタデータ） (2021-01-23T22:08:27Z)
• Exploiting Heterogeneous Graph Neural Networks with Latent Worker/Task Correlation Information for Label Aggregation in Crowdsourcing [72.34616482076572]
  クラウドソーシングは専門家ではなく、専門家でない労働者からラベルを集めるのに便利であることから、多くの注目を集めている。 群集ラベルを集約するグラフニューラルネットワークに基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-25T10:12:37Z)
• Multilevel Graph Matching Networks for Deep Graph Similarity Learning [79.3213351477689]
  グラフ構造オブジェクト間のグラフ類似性を計算するためのマルチレベルグラフマッチングネットワーク(MGMN)フレームワークを提案する。 標準ベンチマークデータセットの欠如を補うため、グラフグラフ分類とグラフグラフ回帰タスクの両方のためのデータセットセットを作成し、収集した。 総合的な実験により、MGMNはグラフグラフ分類とグラフグラフ回帰タスクの両方において、最先端のベースラインモデルより一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2020-07-08T19:48:19Z)

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。