Fugu-MT 論文翻訳(概要): Session-aware Item-combination Recommendation with Transformer Network

論文の概要: Session-aware Item-combination Recommendation with Transformer Network

arxiv url: http://arxiv.org/abs/2111.07154v1
Date: Sat, 13 Nov 2021 17:20:49 GMT
ステータス: 処理完了
システム内更新日: 2021-11-16 17:52:35.108196
Title: Session-aware Item-combination Recommendation with Transformer Network
Title（参考訳）: トランスフォーマーネットワークを用いたセッションアウェアアイテム合成推薦
Authors: Tzu-Heng Lin, Chen Gao
Abstract要約: ユーザからのフィードバックとアンロックセッションを予測するために、2つの頭を持つトランスフォーマーベースのネットワークを使用します。カグルにおける最後の私的リーダーボードでは、分類精度0.39224で第2位にランクインした。
参考スコア（独自算出の注目度）: 22.583356710043066
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we detailedly describe our solution for the IEEE BigData Cup 2021: RL-based RecSys (Track 1: Item Combination Prediction). We first conduct an exploratory data analysis on the dataset and then utilize the findings to design our framework. Specifically, we use a two-headed transformer-based network to predict user feedback and unlocked sessions, along with the proposed session-aware reweighted loss, multi-tasking with click behavior prediction, and randomness-in-session augmentation. In the final private leaderboard on Kaggle, our method ranked 2nd with a categorization accuracy of 0.39224.
Abstract（参考訳）: 本稿では,IEEE BigData Cup 2021: RLベースのRecSys (Track 1: Item Combination Prediction)のソリューションについて詳述する。まず,データセットに関する探索的データ解析を行い,その結果をフレームワーク設計に活用する。具体的には,ユーザからのフィードバックやアンロックされたセッションの予測,セッション認識による重み付け損失,クリック動作予測によるマルチタスク,ランダムネス・イン・セッション拡張などを行う。 kaggle における最後の私的リーダボードでは,分類精度 0.39224 で2位にランクインした。

関連論文リスト

NeRCC: Nested-Regression Coded Computing for Resilient Distributed Prediction Serving Systems [18.85527080950587]
NeRCCは、近似符号化コンピューティングのための一般的なストラグラー耐性フレームワークである。 NeRCCは、幅広いストラグラーにおける元の予測を正確に近似し、最先端の予測を最大23%上回った。
論文参考訳（メタデータ） (2024-02-06T20:31:15Z)
Enhancing User Intent Capture in Session-Based Recommendation with Attribute Patterns [77.19390850643944]
周波数属性パターン拡張変換器(FAPAT)を提案する。 FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。 FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
論文参考訳（メタデータ） (2023-12-23T03:28:18Z)
Exploring Popularity Bias in Session-based Recommendation [0.6798775532273751]
セッションベースの設定と適応確率計算に分析を拡張し、セッションベースのレコメンデーションタスクの独特な特性に適応する。本研究では、異なるデータセット上での確率分布と異なる階層化手法について検討し、確率関連特性が実際にデータセット固有のものであることを見出した。
論文参考訳（メタデータ） (2023-12-13T02:48:35Z)
AutoSAM: Towards Automatic Sampling of User Behaviors for Sequential Recommender Systems [48.461157194277504]
本稿では,歴史的挙動を一様に扱わない汎用的な自動サンプリングフレームワークであるAutoSAMを提案する。具体的には、AutoSAMは、サンプル層を追加して標準のシーケンシャルレコメンデーションアーキテクチャを拡張し、生入力のスキュー分布を適応的に学習する。理論的には、Future PredictionやSequence Perplexityなどの多目的サンプリング報酬を設計し、フレームワーク全体をエンドツーエンドで最適化する。
論文参考訳（メタデータ） (2023-11-01T09:25:21Z)
RLSAC: Reinforcement Learning enhanced Sample Consensus for End-to-End Robust Estimation [74.47709320443998]
RLSAC(Reinforcement Learning enhanced SAmple Consensus framework for end-to-end robust estimation)を提案する。 RLSACはグラフニューラルネットワークを用いて、データとメモリの特徴の両方を利用して探索方向を案内し、次の最小セットをサンプリングする。実験の結果, RLSACは特徴から学習し, より優れた仮説を徐々に探求できることがわかった。
論文参考訳（メタデータ） (2023-08-10T03:14:19Z)
SimCGNN: Simple Contrastive Graph Neural Network for Session-based Recommendation [13.335104151715946]
セッションベースのレコメンデーション問題は、匿名ユーザの次のイテム予測に焦点を当てている。既存のグラフベースのSBRメソッドには、すべてのセッションを同じアイテムで区別する機能がない。本稿ではセッションベースレコメンデーション(SimCGNN)のための単純なコントラストグラフニューラルネットワークを提案する。
論文参考訳（メタデータ） (2023-02-08T11:13:22Z)
Meta-Wrapper: Differentiable Wrapping Operator for User Interest Selection in CTR Prediction [97.99938802797377]
クリックスルー率(CTR)予測は、ユーザーが商品をクリックする確率を予測することを目的としており、リコメンデーションシステムにおいてますます重要になっている。近年,ユーザの行動からユーザの興味を自動的に抽出する深層学習モデルが大きな成功を収めている。そこで我々は,メタラッパー(Meta-Wrapper)と呼ばれるラッパー手法の枠組みに基づく新しい手法を提案する。
論文参考訳（メタデータ） (2022-06-28T03:28:15Z)
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)
End-to-End Diarization for Variable Number of Speakers with Local-Global Networks and Discriminative Speaker Embeddings [66.50782702086575]
本論文では,単一チャンネルの音声記録から会議ダイアリゼーションを行う,エンドツーエンドのディープネットワークモデルを提案する。提案システムは,可変数の置換不変なクロスエントロピーに基づく損失関数を用いて,未知数の話者とのミーティングを処理するように設計されている。
論文参考訳（メタデータ） (2021-05-05T14:55:29Z)
Two-step penalised logistic regression for multi-omic data with an application to cardiometabolic syndrome [62.997667081978825]
我々は,各層で変数選択を行うマルチオミックロジスティック回帰に対する2段階のアプローチを実装した。私たちのアプローチは、可能な限り多くの関連する予測子を選択することを目標とすべきです。提案手法により,分子レベルでの心筋メタボリックシンドロームの特徴を同定することができる。
論文参考訳（メタデータ） (2020-08-01T10:36:27Z)

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。