論文の概要: Concept-Aware Denoising Graph Neural Network for Micro-Video Recommendation

• arxiv url: http://arxiv.org/abs/2109.13527v1
• Date: Tue, 28 Sep 2021 07:02:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 14:34:36.622992
• Title: Concept-Aware Denoising Graph Neural Network for Micro-Video Recommendation
• Title（参考訳）: マイクロビデオレコメンデーションのための概念認識型グラフニューラルネットワーク
• Authors: Yiyu Liu, Qian Liu, Yu Tian, Changping Wang, Yanan Niu, Yang Song, Chenliang Li
• Abstract要約: マイクロビデオレコメンデーションのための新しい概念認識型グラフニューラルネットワーク(CONDE)を提案する。 提案したCONDEは、既存の最先端ソリューションよりも大幅に優れたレコメンデーション性能を実現する。
• 参考スコア（独自算出の注目度）: 30.67251766249372
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, micro-video sharing platforms such as Kuaishou and Tiktok have become a major source of information for people's lives. Thanks to the large traffic volume, short video lifespan and streaming fashion of these services, it has become more and more pressing to improve the existing recommender systems to accommodate these challenges in a cost-effective way. In this paper, we propose a novel concept-aware denoising graph neural network (named CONDE) for micro-video recommendation. CONDE consists of a three-phase graph convolution process to derive user and micro-video representations: warm-up propagation, graph denoising and preference refinement. A heterogeneous tripartite graph is constructed by connecting user nodes with video nodes, and video nodes with associated concept nodes, extracted from captions and comments of the videos. To address the noisy information in the graph, we introduce a user-oriented graph denoising phase to extract a subgraph which can better reflect the user's preference. Despite the main focus of micro-video recommendation in this paper, we also show that our method can be generalized to other types of tasks. Therefore, we also conduct empirical studies on a well-known public E-commerce dataset. The experimental results suggest that the proposed CONDE achieves significantly better recommendation performance than the existing state-of-the-art solutions.
• Abstract（参考訳）: 近年,kuaishouやtiktokなどのマイクロビデオ共有プラットフォームが,人々の生活の情報源となっている。 大規模なトラフィック量、短いビデオライフスパン、ストリーミング方式のおかげで、コスト効率のよい方法でこれらの課題に対応するために、既存のレコメンダシステムの改善がますます迫られている。 本稿では,マイクロビデオレコメンデーションのための新しい概念認識型分節グラフニューラルネットワーク(conde)を提案する。 condeはユーザとマイクロビデオ表現を導出する3相グラフ畳み込みプロセスで構成されている。 動画のキャプションやコメントから抽出されたユーザノードとビデオノードと、関連するコンセプトノードとを接続することにより、異種三部グラフを構築する。 グラフ内のノイズ情報に対処するために,ユーザの好みを反映したサブグラフを抽出する,ユーザ指向のグラフ記述フェーズを導入する。 本論文では,マイクロビデオレコメンデーションが注目されているが,本手法は他のタスクに一般化できることを示す。 そこで我々は,公益電子商取引データセットの実証的研究も行っている。 実験結果から,提案手法は最先端ソリューションよりも推薦性能が大幅に向上することが示唆された。

関連論文リスト

• HAVANA: Hierarchical stochastic neighbor embedding for Accelerated Video ANnotAtions [59.71751978599567]
  本稿では,時間的ビデオアノテーションプロセスの高速化のために,事前抽出した特徴量と次元減少量を用いた新しいアノテーションパイプラインを提案する。 従来のリニア手法と比較して,アノテーションの取り組みが大幅に改善され,12時間以上のビデオのアノテートに要するクリック数が10倍以上に短縮された。
  論文  参考訳（メタデータ） (2024-09-16T18:15:38Z)
• Neural Graph Matching for Video Retrieval in Large-Scale Video-driven E-commerce [5.534002182451785]
  ビデオによるeコマースは、消費者の信頼を刺激し、販売を促進する大きな可能性を秘めている。 本稿では,ノードレベルのグラフマッチングと優先レベルのグラフマッチングを主とする,新しい二レベルグラフマッチングネットワーク(GMN)を提案する。 総合的な実験によって提案されたGMNの優位性を示し、最先端のアプローチよりも大幅に改善された。
  論文  参考訳（メタデータ） (2024-08-01T07:31:23Z)
• DFGNN: Dual-frequency Graph Neural Network for Sign-aware Feedback [51.72177873832969]
  本稿では,周波数フィルタの観点から正負のフィードバックをモデル化する新しいモデルを提案する。 実世界のデータセットについて広範な実験を行い、提案モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2024-05-24T07:07:41Z)
• VideoSAGE: Video Summarization with Graph Representation Learning [9.21019970479227]
  本稿では,映像要約のためのグラフベース表現学習フレームワークを提案する。 この方法で構築されたグラフは、ビデオフレーム間の長距離インタラクションをキャプチャすることを目的としている。
  論文  参考訳（メタデータ） (2024-04-14T15:49:02Z)
• Adaptive spectral graph wavelets for collaborative filtering [5.547800834335382]
  協調フィルタリングはレコメンデーションシステムにおいて一般的なアプローチであり、その目的はパーソナライズされた項目の提案を提供することである。 本稿では,暗黙的なフィードバックデータに対するスペクトルグラフウェーブレット協調フィルタリングフレームワークを提案する。 グラフの局所的および大域的構造を捉えることに加えて、我々の手法は空間的およびスペクトル的領域におけるグラフ信号の局所化をもたらす。
  論文  参考訳（メタデータ） (2023-12-05T22:22:25Z)
• Preference and Concurrence Aware Bayesian Graph Neural Networks for Recommender Systems [5.465420718331109]
  グラフベースのコラボレーティブフィルタリング手法はレコメンダシステムの性能向上に寄与した。 本稿では,ユーザの好みや項目の一致,重要なグラフ構造情報などを共同で検討する効率的な生成モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-30T11:49:33Z)
• Conditional Modeling Based Automatic Video Summarization [70.96973928590958]
  ビデオ要約の目的は、全体を伝えるのに必要な重要な情報を保持しながら、自動的にビデオを短縮することである。 映像要約法は視覚的連続性や多様性などの視覚的要因に依存しており、ビデオの内容を完全に理解するには不十分である。 映像要約への新たなアプローチは、人間が地上の真実のビデオ要約を作成する方法から得られる知見に基づいて提案されている。
  論文  参考訳（メタデータ） (2023-11-20T20:24:45Z)
• Causal Video Summarizer for Video Exploration [74.27487067877047]
  Causal Video Summarizer (CVS) はビデオとクエリ間の対話的な情報をキャプチャするために提案されている。 既存のマルチモーダル映像要約データセットの評価から,提案手法が有効であることを示す実験結果が得られた。
  論文  参考訳（メタデータ） (2023-07-04T22:52:16Z)
• GraphVid: It Only Takes a Few Nodes to Understand a Video [0.0]
  視覚的に意味のある特徴をグラフにエンコードするビデオの簡潔な表現を提案する。 我々は,スーパーピクセルをグラフノードとして考慮し,ビデオのスーパーピクセルベースグラフ表現を構築した。 グラフ畳み込みネットワークを利用して、この表現を処理し、所望の出力を予測する。
  論文  参考訳（メタデータ） (2022-07-04T12:52:54Z)
• 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)
• SumGraph: Video Summarization via Recursive Graph Modeling [59.01856443537622]
  本稿では、関係グラフを表すために、SumGraphと呼ばれるビデオ要約のためのグラフモデリングネットワークを提案する。 教師なしと教師なしの両方の方法で、映像要約のためのいくつかのベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-07-17T08:11:30Z)

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。