Fugu-MT 論文翻訳(概要): Leveraging Social Influence based on Users Activity Centers for Point-of-Interest Recommendation

論文の概要: Leveraging Social Influence based on Users Activity Centers for Point-of-Interest Recommendation

arxiv url: http://arxiv.org/abs/2201.03450v1
Date: Mon, 10 Jan 2022 16:46:27 GMT
ステータス: 処理完了
システム内更新日: 2022-01-11 16:46:34.939890
Title: Leveraging Social Influence based on Users Activity Centers for Point-of-Interest Recommendation
Title（参考訳）: ユーザ活動センタに基づく社会的影響の活用 : ポイント・オブ・インタエンス・レコメンデーション
Authors: Kosar Seyedhoseinzadeh, Hossein A. Rahmani, Mohsen Afsharchi, Mohammad Aliannejadi
Abstract要約: 明示的な友情ネットワークとユーザ間の高いチェックインオーバラップに基づく2段階の友情を導入する。その結果,提案手法は2つの実世界のデータセットにおいて最先端のモデルよりも優れていた。
参考スコア（独自算出の注目度）: 2.896192909215469
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recommender Systems (RSs) aim to model and predict the user preference while interacting with items, such as Points of Interest (POIs). These systems face several challenges, such as data sparsity, limiting their effectiveness. In this paper, we address this problem by incorporating social, geographical, and temporal information into the Matrix Factorization (MF) technique. To this end, we model social influence based on two factors: similarities between users in terms of common check-ins and the friendships between them. We introduce two levels of friendship based on explicit friendship networks and high check-in overlap between users. We base our friendship algorithm on users' geographical activity centers. The results show that our proposed model outperforms the state-of-the-art on two real-world datasets. More specifically, our ablation study shows that the social model improves the performance of our proposed POI recommendation system by 31% and 14% on the Gowalla and Yelp datasets in terms of Precision@10, respectively.
Abstract（参考訳）: Recommender Systems(RS)は、Points of Interest(POI)などのアイテムと対話しながら、ユーザの好みをモデル化し、予測することを目的としている。これらのシステムは、データの分散など、その有効性を制限するいくつかの課題に直面している。本稿では,社会的,地理的,時間的情報をマトリックス因子化(MF)技術に組み込むことにより,この問題に対処する。この目的のために、共通チェックインにおけるユーザ間の類似性と、それらの間の友情の2つの要因に基づいて、社会的影響をモデル化する。明示的な友情ネットワークとユーザ間の高いチェックインオーバラップに基づく2段階の友情を導入する。我々は,ユーザの地理的活動中心に友情アルゴリズムを基づける。その結果,提案手法は2つの実世界のデータセットにおいて最先端のモデルよりも優れていた。より具体的には, 社会モデルが提案するpoi推奨システムの性能を, 精度@10でgowallaとyelpのデータセット上で31%, 14%向上させることを示した。

関連論文リスト

Incorporating Like-Minded Peers to Overcome Friend Data Sparsity in Session-Based Social Recommendations [27.10643133940311]
本稿では,LMPの概念を紹介する。 LMPは、履歴セッションに基づいて、対象ユーザの現在のセッションと好みが一致したユーザを表す。このアプローチは、友人データのスパシティの問題を軽減するだけでなく、ターゲットのユーザと同じような好みのユーザを効果的に組み込む。
論文参考訳（メタデータ） (2024-09-04T13:39:12Z)
Ranking-based Group Identification via Factorized Attention on Social Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文参考訳（メタデータ） (2022-11-02T01:42:20Z)
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)
Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文参考訳（メタデータ） (2022-09-12T09:19:22Z)
Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
論文参考訳（メタデータ） (2022-01-25T12:44:23Z)
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)
Extracting Attentive Social Temporal Excitation for Sequential Recommendation [20.51029646194531]
我々は、ソーシャル・テンポラル・エキサイティング・ネットワーク(STEN)と呼ばれる、時間対応のシーケンシャル・レコメンデーション・フレームワークを提案する。 STENは、友人の行動がユーザの動的興味に与えるきめ細かな影響をモデル化するために、時間的ポイントプロセスを導入する。 STENは、イベントレベルのレコメンデーションの説明可能性を提供する。
論文参考訳（メタデータ） (2021-09-28T07:39:31Z)
Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
論文参考訳（メタデータ） (2021-03-16T11:08:30Z)
Relation Embedding for Personalised POI Recommendation [34.043989803855844]
本稿では,POIレコメンデーションのための翻訳ベース埋め込みを提案する。提案手法は,低時間関係空間における時間的内容と意味的内容を効果的に符号化する。動的個人利害の推論を強化するために,ユーザPOIグラフ上に複合因数分解フレームワークを構築した。
論文参考訳（メタデータ） (2020-02-09T22:26:52Z)
Joint Geographical and Temporal Modeling based on Matrix Factorization for Point-of-Interest Recommendation [6.346772579930929]
POI(Point-of-Interest)レコメンデーションは,POIを推奨するユーザの好みやモビリティパターンを学習する重要なタスクとなっている。従来の研究では、POI勧告を改善するためには、地理的影響や時間的影響などの文脈情報を取り入れることが必要であることが示されている。
論文参考訳（メタデータ） (2020-01-24T12:25:37Z)
DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
論文参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。