論文の概要: Few-shot News Recommendation via Cross-lingual Transfer

• arxiv url: http://arxiv.org/abs/2207.14370v2
• Date: Thu, 28 Dec 2023 04:49:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-29 23:56:50.202494
• Title: Few-shot News Recommendation via Cross-lingual Transfer
• Title（参考訳）: クロスリンガル・トランスファーによるニュースレコメンデーション
• Authors: Taicheng Guo, Lu Yu, Basem Shihada, Xiangliang Zhang
• Abstract要約: 本稿では,2つの観測結果に基づいて,ニュースレコメンデーションのための数発のレコメンデーション問題の解決に焦点をあてる。 本稿では,2つのドメインで意味的に類似したニュースを整列するニューズエンコーダとして,新たな言語間移動モデルを提案する。 2つの実世界のニュースレコメンデーションデータセットの実験結果から,提案手法の優れた性能を示す。
• 参考スコア（独自算出の注目度）: 36.06636239723117
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The cold-start problem has been commonly recognized in recommendation systems and studied by following a general idea to leverage the abundant interaction records of warm users to infer the preference of cold users. However, the performance of these solutions is limited by the amount of records available from warm users to use. Thus, building a recommendation system based on few interaction records from a few users still remains a challenging problem for unpopular or early-stage recommendation platforms. This paper focuses on solving the few-shot recommendation problem for news recommendation based on two observations. First, news at different platforms (even in different languages) may share similar topics. Second, the user preference over these topics is transferable across different platforms. Therefore, we propose to solve the few-shot news recommendation problem by transferring the user-news preference from a many-shot source domain to a few-shot target domain. To bridge two domains that are even in different languages and without any overlapping users and news, we propose a novel unsupervised cross-lingual transfer model as the news encoder that aligns semantically similar news in two domains. A user encoder is constructed on top of the aligned news encoding and transfers the user preference from the source to target domain. Experimental results on two real-world news recommendation datasets show the superior performance of our proposed method on addressing few-shot news recommendation, comparing to the baselines.
• Abstract（参考訳）: コールドスタート問題は,温かいユーザのインタラクション記録を多用して,寒冷なユーザの嗜好を推測する一般的な考え方に従えば,レコメンデーションシステムにおいて広く認識され,研究されている。 しかし、これらのソリューションのパフォーマンスは、温かいユーザから利用できるレコードの量によって制限される。 したがって、少数のユーザによるインタラクションレコードに基づくレコメンデーションシステムを構築することは、不人気あるいは初期段階のレコメンデーションプラットフォームにとって依然として難しい問題である。 本稿は,ニュースレコメンデーションにおける2つの観察に基づく限定的レコメンデーション問題を解決することに焦点を当てる。 まず、異なるプラットフォーム(異なる言語でも)でのニュースは、同様のトピックを共有する可能性がある。 第二に、これらのトピックに対するユーザの好みは、異なるプラットフォーム間で転送可能である。 そこで本研究では,複数発のソースドメインから数発のターゲットドメインにユーザニュースの好みを移すことで,ニュースレコメンデーションの少ない課題を解決することを提案する。 異なる言語と重複するユーザやニュースのない2つのドメインを橋渡しするために,2つのドメインで意味的に類似したニュースを整合するニュースエンコーダとして,教師なし言語間転送モデルを提案する。 ユーザエンコーダは、アライメントされたニュースエンコーディングの上に構築され、ソースからターゲットドメインにユーザ好みを転送する。 2つの実世界のニュースレコメンデーションデータセットにおける実験結果は,提案手法がベースラインと比較して,少ないニュースレコメンデーションに対して優れた性能を示す。

関連論文リスト

• News Without Borders: Domain Adaptation of Multilingual Sentence Embeddings for Cross-lingual News Recommendation [5.024813922014978]
  多言語ニュース消費者は ニュースレコメンデーターシステムに 挑戦している 既存のニューラルニュースレコメンダは、ゼロショットの言語間転送でかなりのパフォーマンス損失を被る。 我々は、事前訓練された大規模多言語文エンコーダ(SE)からドメイン特化されたニュース適応文エンコーダ(NaSE)を提案する。
  論文  参考訳（メタデータ） (2024-06-18T14:01:53Z)
• Mixed Attention Network for Cross-domain Sequential Recommendation [63.983590953727386]
  ドメイン固有・クロスドメイン情報を抽出するために,ローカル・グローバル・アテンション・モジュールを用いた混在注意ネットワーク(MAN)を提案する。 2つの実世界のデータセットに対する実験結果から,提案モデルの有効性が示された。
  論文  参考訳（メタデータ） (2023-11-14T16:07:16Z)
• DOR: A Novel Dual-Observation-Based Approach for News Recommendation Systems [2.7648976108201815]
  本稿では,ニュースレコメンデーションの問題に対処する新しい手法を提案する。 我々のアプローチは二重観測の考え方に基づいている。 ニュースの内容とユーザの視点の両方を考慮することで、よりパーソナライズされた正確なレコメンデーションを提供することができる。
  論文  参考訳（メタデータ） (2023-02-02T22:16:53Z)
• IGNiteR: News Recommendation in Microblogging Applications (Extended Version) [3.2108350580418166]
  我々は、インフルエンスグラフニュースレコメンダ(IGNiteR)と呼ばれる、拡散と影響を意識したディープラーニングに基づくアプローチを提案する。 このニュースを表現するために、マルチレベルアテンションベースのエンコーダを使用して、ユーザの異なる関心事を明らかにする。 実世界の2つのデータセットに対して広範な実験を行い、IGNiteRが最先端のディープラーニングベースのニュースレコメンデーション手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-04T22:33:58Z)
• Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
  既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。 我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。 我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
  論文  参考訳（メタデータ） (2022-06-26T12:07:56Z)
• Cross-domain User Preference Learning for Cold-start Recommendation [32.83868293457142]
  クロスドメインのコールドスタートレコメンデーションは、リコメンデーションシステムにとってますます問題になっている。 ソースドメインからユーザの好みを学習し、ターゲットドメインに転送することが重要です。 そこで本稿では,コールドスタートの推薦をさまざまなセマンティックタグで対象とする,自己学習型クロスドメインユーザ優先学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-07T12:57:05Z)
• Aspect-driven User Preference and News Representation Learning for News Recommendation [9.187076140490902]
  ニュースレコメンダシステムは、通常、ユーザーのトピックレベルの表現とレコメンデーションのためのニュースを学習する。 本稿では,アスペクトレベルのユーザ嗜好とニュース表現学習に基づく,アスペクト駆動型ニューズレコメンダシステム(ANRS)を提案する。
  論文  参考訳（メタデータ） (2021-10-12T07:38:54Z)
• Dual Metric Learning for Effective and Efficient Cross-Domain Recommendations [85.6250759280292]
  クロスドメインレコメンダーシステムは、消費者が異なるアプリケーションで有用なアイテムを識別するのを助けるためにますます価値があります。 既存のクロスドメインモデルは、通常、多くのオーバーラップユーザーを必要とするため、いくつかのアプリケーションでは取得が困難である。 本稿では,2つのドメイン間で情報を反復的に伝達する二元学習に基づく新しいクロスドメインレコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-17T09:18:59Z)
• CATN: Cross-Domain Recommendation for Cold-Start Users via Aspect Transfer Network [49.35977893592626]
  コールドスタートユーザのためのアスペクト転送ネットワークによるクロスドメインレコメンデーションフレームワーク(CATN)を提案する。 CATNは、レビュー文書から各ユーザと各アイテムの複数のアスペクトを抽出し、注意機構を用いてドメイン間のアスペクト相関を学習する。 実世界のデータセットでは、提案したCATNは、評価予測精度の点でSOTAモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-05-21T10:05:19Z)
• Graph Enhanced Representation Learning for News Recommendation [85.3295446374509]
  本稿では,ユーザとニュースの表現学習を強化するニューズレコメンデーション手法を提案する。 本手法では,歴史的ユーザクリック行動から構築した二部グラフのノードとして,ユーザとニュースをみなす。
  論文  参考訳（メタデータ） (2020-03-31T15:27:31Z)

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。