論文の概要: ColdGuess: A General and Effective Relational Graph Convolutional Network to Tackle Cold Start Cases

• arxiv url: http://arxiv.org/abs/2205.12318v2
• Date: Thu, 26 May 2022 04:53:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-27 10:36:25.144535
• Title: ColdGuess: A General and Effective Relational Graph Convolutional Network to Tackle Cold Start Cases
• Title（参考訳）: coldguess: コールドスタートケースに取り組むための汎用的かつ効果的な関係グラフ畳み込みネットワーク
• Authors: Bo He, Xiang Song, Vincent Gao, Christos Faloutsos
• Abstract要約: オンライン小売サイトにおける低品質のリスティングと悪いアクター行動は、eコマースビジネスを脅かす。 ヘテロジニアスな売り手/商品グラフ上に構築された誘導型グラフベースのリスク予測器であるColdGuessを提案する。 実際のデータに対する評価は、未知の機能の数が増えるにつれて、ColdGuessのパフォーマンスが安定していることを示している。
• 参考スコア（独自算出の注目度）: 21.880343714386665
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Low-quality listings and bad actor behavior in online retail websites threatens e-commerce business as these result in sub-optimal buying experience and erode customer trust. When a new listing is created, how to tell it has good-quality? Is the method effective, fast, and scalable? Previous approaches often have three limitations/challenges: (1) unable to handle cold start problems where new sellers/listings lack sufficient selling histories. (2) inability of scoring hundreds of millions of listings at scale, or compromise performance for scalability. (3) has space challenges from large-scale graph with giant e-commerce business size. To overcome these limitations/challenges, we proposed ColdGuess, an inductive graph-based risk predictor built upon a heterogeneous seller product graph, which effectively identifies risky seller/product/listings at scale. ColdGuess tackles the large-scale graph by consolidated nodes, and addresses the cold start problems using homogeneous influence1. The evaluation on real data demonstrates that ColdGuess has stable performance as the number of unknown features increases. It outperforms the lightgbm2 by up to 34 pcp ROC-AUC in a cold start case when a new seller sells a new product . The resulting system, ColdGuess, is effective, adaptable to changing risky seller behavior, and is already in production
• Abstract（参考訳）: オンライン小売サイトにおける低品質なリスティングと悪質なアクタの行動は、eコマースビジネスを脅かしている。 新しいリスティングが作成されると、どのようにして高品質であると判断するか? メソッドは効率的で、高速で、スケーラブルか? 従来のアプローチでは,(1)新規セラーやリストが販売履歴に不足するコールドスタート問題に対処することができない,という3つの制限/課題がある。 2) 大規模に数億のリスティングを評価できないこと、あるいはスケーラビリティのためにパフォーマンスを損なうこと。 (3)巨大なeコマースビジネス規模を持つ大規模グラフから空間的な課題がある。 このような制限や混乱を克服するため,我々は,不均一な販売者製品グラフ上に構築されたインダクティブグラフベースのリスク予測器であるColdGuessを提案した。 coldguessは統合ノードによる大規模グラフに取り組み、均質なインフルエンス1を使ってコールドスタート問題に対処する。 実データの評価は、coldguessが未知の機能の数が増えるにつれて安定したパフォーマンスを持つことを示している。 新規販売者が新製品を販売する際に、冷間始動ケースにおいて、ライトgbm2を最大34pcpのROC−AUCで上回る。 結果のシステムであるColdGuessは、リスクの高い売り手行動に効果的で適応可能で、すでに生産中である

関連論文リスト

• Graph Neural Patching for Cold-Start Recommendations [16.08395433358279]
  コールドスタートレコメンデーション(GNP)のためのグラフニューラルパッチについて紹介する。 GNPは2つの機能を持つカスタマイズされたGNNフレームワークである。GWarmerは、既存の温かいユーザ/イベントの協調シグナルをモデリングし、Patching Networksは、GWarmerのコールドスタートレコメンデーションのパフォーマンスをシミュレートし、拡張する。 3つのベンチマークデータセットに対する大規模な実験は、温かみと寒さの両方のユーザ/イテムを推奨するGNPの優位性を確認している。
  論文  参考訳（メタデータ） (2024-10-18T07:44:12Z)
• CoActionGraphRec: Sequential Multi-Interest Recommendations Using Co-Action Graphs [4.031699584957737]
  eBayのデータは、他のEコマースサイトよりも桁違いに多い。 共作用グラフ層を利用したテキストベースの2tower深層学習モデル(アイテムタワーとユーザタワー)を提案する。 項目タワーでは、各項目をその共作用項目を用いて表現し、グラフニューラルネットワークコンポーネントによって完全に活用される協調作用グラフで協調的な信号をキャプチャする。
  論文  参考訳（メタデータ） (2024-10-15T10:11:18Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Resisting Graph Adversarial Attack via Cooperative Homophilous Augmentation [60.50994154879244]
  最近の研究では、グラフニューラルネットワークは弱く、小さな摂動によって簡単に騙されることが示されている。 本研究では,グラフインジェクションアタック(Graph Injection Attack)という,新興だが重要な攻撃に焦点を当てる。 本稿では,グラフデータとモデルの協調的同好性増強によるGIAに対する汎用防衛フレームワークCHAGNNを提案する。
  論文  参考訳（メタデータ） (2022-11-15T11:44:31Z)
• Efficient Graph based Recommender System with Weighted Averaging of Messages [0.0]
  我々は常設のソフトアイテムコールドスタート問題に直面するレコメンデーションシステム問題に対する新しい解決策を提示する。 当社のシステムは、Amazonストアに上場する見込みの売り手に対して、需要のある商品を推薦することを目的としている。 フィルタリング手法を用いてグラフのサイズを縮小し,WAML(Weighted Averaging of Messages over Layers)アルゴリズムを用いて,この削減された製品グラフを利用する。
  論文  参考訳（メタデータ） (2022-09-30T05:10:34Z)
• Cold Brew: Distilling Graph Node Representations with Incomplete or Missing Neighborhoods [69.13371028670153]
  本稿では,SCS(Strict Cold Start)問題に対する誘導型GNNの有効性を検討するために,FCR(Feature-Contribution ratio)を導入する。 実験により,FCRはグラフデータセットの様々な成分の寄与を阻害し,コールドブリューの優れた性能を示す。
  論文  参考訳（メタデータ） (2021-11-08T21:29:25Z)
• Privileged Graph Distillation for Cold Start Recommendation [57.918041397089254]
  レコメンデーションシステムにおけるコールドスタートの問題は、歴史的相互作用の記録のない属性に基づいて新しいユーザー(イテム)に推奨することである。 特権グラフ蒸留モデル(PGD)を提案する。 提案手法は,新規ユーザ,新規ユーザ,新規ユーザを対象とする異なるコールドスタートシナリオに適用可能である。
  論文  参考訳（メタデータ） (2021-05-31T14:05:27Z)
• Self-supervised Graph Learning for Recommendation [69.98671289138694]
  ユーザ・イテムグラフを用いた自己教師型学習を推奨する。 補助的自己監督タスクは、自己識別によるノード表現学習を強化する。 3つのベンチマークデータセットに関する実証的研究は、SGLの有効性を示す。
  論文  参考訳（メタデータ） (2020-10-21T06:35:26Z)
• DFraud3- Multi-Component Fraud Detection freeof Cold-start [50.779498955162644]
  コールドスタート(Cold-start)は、新しいユーザの認証に検出システムが失敗したことを指す重要な問題である。 本稿では,各コンポーネントに固有の表現を可能にする異種情報ネットワーク (HIN) としてレビューシステムをモデル化する。 HINとグラフ誘導はカモフラージュ問題(本物のレビュー付き詐欺師)に対処するのに役立ち、これはコールドスタートと組み合わされた場合、すなわち真に最初のレビューを持つ新しい詐欺師がより深刻であることが示されている。
  論文  参考訳（メタデータ） (2020-06-10T08:20:13Z)
• Solving Cold Start Problem in Recommendation with Attribute Graph Neural Networks [18.81183804581575]
  我々は、一般的に使われている相互作用グラフではなく属性グラフを利用して、新しいフレームワークAttribute Graph Neural Networks (AGNN) を開発した。 AGNNは、拡張された変分自動エンコーダ構造を用いて属性の分布を学習することにより、寒冷なユーザ/イテムに対する好みの埋め込みを生成することができる。 そこで本研究では,周辺地域における様々なモーダルの属性を効果的に集約するために,新しいグラフニューラルネットワーク変種であるgate-GNNを提案する。
  論文  参考訳（メタデータ） (2019-12-28T04:07:55Z)

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。