論文の概要: Global-Local Item Embedding for Temporal Set Prediction
- arxiv url: http://arxiv.org/abs/2109.02074v1
- Date: Sun, 5 Sep 2021 13:36:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-07 17:28:12.611923
- Title: Global-Local Item Embedding for Temporal Set Prediction
- Title(参考訳): 時間的セット予測のためのグローバルローカルアイテム埋め込み
- Authors: Seungjae Jung, Young-Jin Park, Jisu Jeong, Kyung-Min Kim, Hiun Kim,
Minkyu Kim, Hanock Kwak
- Abstract要約: GLOIEは、ユーザ全体だけでなく、ユーザ内でも、セットの時間的特性を活用することを学ぶ。
GLOIEは、変動オートエンコーダ(VAE)と動的グラフベースのモデルを使用して、グローバルおよびローカル情報をキャプチャする。
- 参考スコア(独自算出の注目度): 5.697778174290439
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Temporal set prediction is becoming increasingly important as many companies
employ recommender systems in their online businesses, e.g., personalized
purchase prediction of shopping baskets. While most previous techniques have
focused on leveraging a user's history, the study of combining it with others'
histories remains untapped potential. This paper proposes Global-Local Item
Embedding (GLOIE) that learns to utilize the temporal properties of sets across
whole users as well as within a user by coining the names as global and local
information to distinguish the two temporal patterns. GLOIE uses Variational
Autoencoder (VAE) and dynamic graph-based model to capture global and local
information and then applies attention to integrate resulting item embeddings.
Additionally, we propose to use Tweedie output for the decoder of VAE as it can
easily model zero-inflated and long-tailed distribution, which is more suitable
for several real-world data distributions than Gaussian or multinomial
counterparts. When evaluated on three public benchmarks, our algorithm
consistently outperforms previous state-of-the-art methods in most ranking
metrics.
- Abstract(参考訳): ショッピングバスケットの個人購入予測など、オンラインビジネスでレコメンデーションシステムを採用する企業が多くなり、時間的セット予測の重要性が高まっている。
これまでのほとんどのテクニックは、ユーザの履歴を活用することに重点を置いてきたが、それと他人の履歴を組み合わせる研究は、まだ未解決の可能性を秘めている。
本稿では,ユーザ全体およびユーザ内における集合の時間的特性を,二つの時間的パターンを識別するためのグローバル・ローカル情報として表現することで活用することを学ぶ,グローバル・ローカル・アイテム埋め込み(gloie)を提案する。
GLOIEは、変動オートエンコーダ(VAE)と動的グラフベースのモデルを使用して、グローバルおよびローカル情報をキャプチャし、結果のアイテム埋め込みを統合する。
さらに,VAE のデコーダに Tweedie 出力を用いることで,ガウス分布や多項分布よりも実世界の複数のデータ分布に適するゼロ膨張分布やロングテール分布を容易にモデル化できることを示す。
3つの公開ベンチマークで評価すると、ほとんどのランキング指標において、従来の最先端手法を一貫して上回っています。
関連論文リスト
- Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。
既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。
本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
論文 参考訳(メタデータ) (2024-11-24T04:56:45Z) - APGL4SR: A Generic Framework with Adaptive and Personalized Global
Collaborative Information in Sequential Recommendation [86.29366168836141]
逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。
APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。
一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
論文 参考訳(メタデータ) (2023-11-06T01:33:24Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳(メタデータ) (2022-10-22T17:29:34Z) - Federated and Generalized Person Re-identification through Domain and
Feature Hallucinating [88.77196261300699]
人物再識別(re-ID)におけるフェデレーションドメイン一般化(FedDG)の問題について検討する。
一般化された局所的・グローバルなモデルを学ぶための多様な特徴を創出する手法として,DFH (Domain and Feature Hallucinating) を提案する。
提案手法は4つの大規模re-IDベンチマークにおいてFedDGの最先端性能を実現する。
論文 参考訳(メタデータ) (2022-03-05T09:15:13Z) - Personalization Improves Privacy-Accuracy Tradeoffs in Federated
Optimization [57.98426940386627]
局所的な学習とプライベートな集中学習の協調は、総合的に有用であり、精度とプライバシのトレードオフを改善していることを示す。
合成および実世界のデータセットに関する実験により理論的結果について述べる。
論文 参考訳(メタデータ) (2022-02-10T20:44:44Z) - Modelling of Bi-directional Spatio-Temporal Dependence and Users'
Dynamic Preferences for Missing POI Check-in Identification [38.51964956686177]
双方向の時間的依存とユーザの動的嗜好を統合するモデルであるBi-STDDPを開発した。
その結果, 最先端手法と比較して, モデルの大幅な改善が示された。
論文 参考訳(メタデータ) (2021-12-31T03:54:37Z) - Edge-Enhanced Global Disentangled Graph Neural Network for Sequential
Recommendation [44.15486708923762]
本稿では,エッジ拡張グローバルディスタングルグラフニューラルネットワーク(EGD-GNN)モデルを提案する。
グローバルレベルでは、アイテムの関係をモデル化するために、すべてのシーケンスにまたがるグローバルリンクグラフを構築します。
ローカルレベルでは、変動型自動エンコーダフレームワークを適用して、現在のシーケンスに関するユーザの意図を学習する。
論文 参考訳(メタデータ) (2021-11-20T08:15:20Z) - Semi-Supervised Domain Generalization with Stochastic StyleMatch [90.98288822165482]
実世界のアプリケーションでは、アノテーションのコストが高いため、各ソースドメインから利用可能なラベルはわずかです。
本研究では,より現実的で実践的な半教師付き領域一般化について検討する。
提案手法であるStyleMatchは,擬似ラベルに基づく最先端の半教師付き学習手法であるFixMatchに着想を得たものである。
論文 参考訳(メタデータ) (2021-06-01T16:00:08Z) - FedLoc: Federated Learning Framework for Data-Driven Cooperative
Localization and Location Data Processing [12.518673970373422]
データ駆動学習モデルに基づく協調的ローカライゼーションと位置データ処理について考察する。
我々はまず,フェデレート学習の文脈における最先端のアルゴリズムについて検討する。
本稿では,標準,新刊,未公開の各作品から要約した様々な実用事例を紹介する。
論文 参考訳(メタデータ) (2020-03-08T01:51:56Z)
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。