論文の概要: Understanding the Relation of User and News Representations in
Content-Based Neural News Recommendation
- arxiv url: http://arxiv.org/abs/2207.14704v1
- Date: Fri, 29 Jul 2022 14:24:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-01 13:01:06.615618
- Title: Understanding the Relation of User and News Representations in
Content-Based Neural News Recommendation
- Title(参考訳): コンテンツに基づくニューラルニュースレコメンデーションにおけるユーザとニュース表現の関係の理解
- Authors: Lucas M\"oller and Sebastian Pad\'o
- Abstract要約: ユーザと候補者のニュース表現をマッチングする最も広く使われている手段が十分に表現できないという仮説を評価する。
幅広いベースラインと確立されたシステムにまたがって、AUCの約6ポイントが一貫した改善をもたらす。
かなり単純なベースラインモデルは、MINDデータセットの68% AUCよりもはるかに高くスコアされ、公開された最先端の2ポイント以内である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A number of models for neural content-based news recommendation have been
proposed. However, there is limited understanding of the relative importances
of the three main components of such systems (news encoder, user encoder, and
scoring function) and the trade-offs involved. In this paper, we assess the
hypothesis that the most widely used means of matching user and candidate news
representations is not expressive enough. We allow our system to model more
complex relations between the two by assessing more expressive scoring
functions. Across a wide range of baseline and established systems this results
in consistent improvements of around 6 points in AUC. Our results also indicate
a trade-off between the complexity of news encoder and scoring function: A
fairly simple baseline model scores well above 68% AUC on the MIND dataset and
comes within 2 points of the published state-of-the-art, while requiring a
fraction of the computational costs.
- Abstract(参考訳): ニューラルコンテンツに基づくニュースレコメンデーションのモデルがいくつか提案されている。
しかし、これらのシステムの3つの主要コンポーネント(ニューズエンコーダ、ユーザエンコーダ、スコアリング機能)と関連するトレードオフの相対的重要性の理解は限られている。
本稿では、ユーザと候補者のニュース表現をマッチングする最も広く使われている手段が十分に表現できないという仮説を評価する。
本システムでは,より表現力のあるスコアリング関数を評価することにより,より複雑な関係をモデル化できる。
幅広いベースラインと確立されたシステムにまたがって、AUCの約6ポイントが一貫した改善をもたらす。
比較的単純なベースラインモデルでは、MINDデータセット上のAUCの68%以上をはるかに上回り、公表された最先端の2ポイント以内であり、計算コストのごく一部を必要とする。
関連論文リスト
- Learning to Decompose: Hypothetical Question Decomposition Based on
Comparable Texts [65.84370471189676]
本研究は,分解型変圧器の大規模中間訓練について,比較テキストから遠ざかって検討する。
このような中間的事前学習により、多様なタスクのための堅牢な分解ベースモデルの開発がより実現可能であることを示す。
論文 参考訳(メタデータ) (2022-10-30T15:38:03Z) - Deep Multi-Representation Model for Click-Through Rate Prediction [6.155158115218501]
CTR(Click-Through Rate Prediction)は、レコメンデーションシステムにおいて重要なタスクである。
本稿では、2つの強力な特徴表現学習コンポーネントの混合を共同で訓練するDeep Multi-Representation Model(DeepMR)を提案する。
3つの実世界のデータセットの実験により、提案モデルがクリックスルー率予測のタスクにおいて、すべての最先端モデルを著しく上回っていることが示された。
論文 参考訳(メタデータ) (2022-10-18T09:37:11Z) - 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) - Self-Supervised Hypergraph Transformer for Recommender Systems [25.07482350586435]
自己監督型ハイパーグラフ変換器(SHT)
自己監督型ハイパーグラフ変換器(SHT)
ユーザ-テム相互作用グラフ上のデータ拡張のために,クロスビュー生成型自己教師型学習コンポーネントを提案する。
論文 参考訳(メタデータ) (2022-07-28T18:40:30Z) - SAIS: Supervising and Augmenting Intermediate Steps for Document-Level
Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。
そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文 参考訳(メタデータ) (2021-09-24T17:37:35Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳(メタデータ) (2021-03-22T20:36:34Z) - Learning Intents behind Interactions with Knowledge Graph for
Recommendation [93.08709357435991]
知識グラフ(KG)は、推薦システムにおいてますます重要な役割を果たす。
既存のGNNベースのモデルは、きめ細かいインテントレベルでのユーザ項目関係の特定に失敗します。
本稿では,新しいモデルである知識グラフベースインテントネットワーク(kgin)を提案する。
論文 参考訳(メタデータ) (2021-02-14T03:21:36Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳(メタデータ) (2020-12-29T23:43:16Z) - Attention improves concentration when learning node embeddings [1.2233362977312945]
検索クエリテキストでラベル付けされたノードを考えると、製品を共有する関連クエリへのリンクを予測したい。
様々なディープニューラルネットワークを用いた実験では、注意機構を備えた単純なフィードフォワードネットワークが埋め込み学習に最適であることが示されている。
本稿では,クエリ生成モデルであるAttESTを提案する。このモデルでは,製品とクエリテキストの両方を,潜在空間に埋め込まれたベクトルとして見ることができる。
論文 参考訳(メタデータ) (2020-06-11T21:21:12Z) - Feature Interaction based Neural Network for Click-Through Rate
Prediction [5.095988654970358]
本稿では,3次元関係テンソルを用いて特徴相互作用をモデル化可能な特徴相互作用ベースニューラルネットワーク(FINN)を提案する。
我々のディープFINNモデルは、PNNやDeepFMのような最先端のディープモデルよりも優れていることを示す。
また、我々のモデルは、機能相互作用を効果的に学習し、実世界のデータセットでより良いパフォーマンスを達成することができることを示している。
論文 参考訳(メタデータ) (2020-06-07T03:53:24Z)
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。