論文の概要: Implicit Session Contexts for Next-Item Recommendations
- arxiv url: http://arxiv.org/abs/2208.09076v1
- Date: Thu, 18 Aug 2022 21:48:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-22 17:40:29.473990
- Title: Implicit Session Contexts for Next-Item Recommendations
- Title(参考訳): 次号勧告に対するインプシットセッションコンテキスト
- Authors: Sejoon Oh, Ankur Bhardwaj, Jongseok Han, Sungchul Kim, Ryan A. Rossi,
and Srijan Kumar
- Abstract要約: セッションコンテキストは、ほとんどのデータセットで明示的に指定されていない。
セッションを暗黙的に文脈化するISCONを提案する。
ISCONは最先端の予測精度が最先端のモデルよりも優れている。
- 参考スコア(独自算出の注目度): 27.250637187941532
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Session-based recommender systems capture the short-term interest of a user
within a session. Session contexts (i.e., a user's high-level interests or
intents within a session) are not explicitly given in most datasets, and
implicitly inferring session context as an aggregation of item-level attributes
is crude. In this paper, we propose ISCON, which implicitly contextualizes
sessions. ISCON first generates implicit contexts for sessions by creating a
session-item graph, learning graph embeddings, and clustering to assign
sessions to contexts. ISCON then trains a session context predictor and uses
the predicted contexts' embeddings to enhance the next-item prediction
accuracy. Experiments on four datasets show that ISCON has superior next-item
prediction accuracy than state-of-the-art models. A case study of ISCON on the
Reddit dataset confirms that assigned session contexts are unique and
meaningful.
- Abstract(参考訳): セッションベースのレコメンダシステムは、セッション内のユーザの短期的関心をキャプチャする。
セッションコンテキスト(例えば、セッション内のユーザの高レベルな関心や意図)は、ほとんどのデータセットでは明示的に与えられず、アイテムレベルの属性の集約としてセッションコンテキストを暗黙的に推論することは粗雑である。
本稿では,セッションを暗黙的に文脈化するISCONを提案する。
ISCONはセッションの暗黙のコンテキストを最初に生成し、セッションイムグラフを作成し、グラフの埋め込みを学習し、セッションをコンテキストに割り当てるクラスタリングを行う。
isconはセッションコンテキスト予測をトレーニングし、予測されたコンテキストの埋め込みを使用して次の項目の予測精度を高める。
4つのデータセットの実験により、ISCONは最先端のモデルよりも優れた次点予測精度を有することが示された。
Redditデータセット上のISCONのケーススタディでは、割り当てられたセッションコンテキストがユニークで意味のあるものであることが確認されている。
関連論文リスト
- Understanding Inter-Session Intentions via Complex Logical Reasoning [50.199811535229045]
論理セッション複雑質問応答(LS-CQA)の課題について述べる。
セッション,項目,属性を集約したハイパーグラフ上で,LS-CQAタスクとして複雑な意図理解の問題をモデル化する。
新たなモデルであるLSGT(Logical Session Graph Transformer)を導入し,各セッション間のインタラクションとその論理的接続をキャプチャする。
論文 参考訳(メタデータ) (2023-12-21T14:03:30Z) - Context-aware Session-based Recommendation with Graph Neural Networks [6.825493772727133]
グラフニューラルネットワークを用いた新しいコンテキスト認識セッションベースレコメンデーションモデルであるCARESを提案する。
まず,マルチリレーショナル・クロスセッショングラフを構築し,アイテム内およびクロスセッション・アイテムレベルのコンテキストに応じてアイテムを接続する。
ユーザの興味の変動をエンコードするために、パーソナライズされたアイテム表現を設計する。
論文 参考訳(メタデータ) (2023-10-14T14:29:52Z) - STAR: A Session-Based Time-Aware Recommender System [8.122270502556372]
セッションベースレコメンダ(SBR)は,セッションにおける過去のインタラクションに関するユーザの次の好みを予測することを目的としている。
本稿では,SBRの性能向上におけるセッション時間情報の可能性について検討する。
本稿では、セッション内のイベント間の時間間隔を利用して、アイテムやセッションのより情報的な表現を構築するSTARフレームワークを提案する。
論文 参考訳(メタデータ) (2022-11-11T18:25:48Z) - SR-GCL: Session-Based Recommendation with Global Context Enhanced
Augmentation in Contrastive Learning [5.346468677221906]
セッションベースのレコメンデーションは、進行中のセッションに基づいて、ユーザの次の振る舞いを予測することを目的としている。
最近の研究は、複雑なアイテム遷移をキャプチャするための注意機構を備えたグラフニューラルネットワークを適用している。
セッションベースレコメンデーションのための新しいコントラスト学習フレームワークSR-GCLを提案する。
論文 参考訳(メタデータ) (2022-09-22T06:18:20Z) - G$^3$SR: Global Graph Guided Session-based Recommendation [116.38098186755029]
セッションベースのレコメンデーションは、匿名セッションデータを使用して高品質なレコメンデーションを提供しようとします。
G$3$SR (Global Graph Guided Session-based Recommendation)はセッションベースのレコメンデーションワークフローを2つのステップに分割する。
2つの実世界のベンチマークデータセットの実験は、最先端の手法よりもG$3$SR法の顕著で一貫した改善を示している。
論文 参考訳(メタデータ) (2022-03-12T15:44:03Z) - 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) - Exploiting Unsupervised Data for Emotion Recognition in Conversations [76.01690906995286]
会話における感情認識(Emotion Recognition in Conversations:ERC)は、会話における話者の感情状態を予測することを目的としている。
ERCタスクの教師付きデータは限られている。
教師なし会話データを活用する新しい手法を提案する。
論文 参考訳(メタデータ) (2020-10-02T13:28:47Z) - Conversational Semantic Parsing [50.954321571100294]
共参照解決やコンテキスト転送といったセッションベースのプロパティは、パイプラインシステムで下流で処理される。
60kの発話からなる20kセッションからなる,セッションベースで構成型タスク指向構文解析データセットを新たにリリースする。
セッションベース解析のためのSeq2Seqモデルの新たなファミリーを提案し、ATIS, SNIPS, TOP, DSTC2における現在の最先端技術と同等の性能を実現する。
論文 参考訳(メタデータ) (2020-09-28T22:08:00Z) - TAGNN: Target Attentive Graph Neural Networks for Session-based
Recommendation [66.04457457299218]
セッションベースレコメンデーションのための新しいターゲット注意グラフニューラルネットワーク(TAGNN)モデルを提案する。
TAGNNでは、ターゲット・アウェア・アテンションは、様々なターゲット項目に関して異なるユーザ関心を適応的に活性化する。
学習した関心表現ベクトルは、異なる対象項目によって変化し、モデルの表現性を大幅に改善する。
論文 参考訳(メタデータ) (2020-05-06T14:17:05Z) - A Hierarchical Network for Abstractive Meeting Summarization with
Cross-Domain Pretraining [52.11221075687124]
本稿では,会議シナリオに適応する抽象的要約ネットワークを提案する。
提案手法は,長時間の会議記録に対応する階層構造と,話者間の差異を表現する役割ベクトルを設計する。
我々のモデルは、自動測定と人的評価の両方において、過去のアプローチよりも優れています。
論文 参考訳(メタデータ) (2020-04-04T21:00:41Z)
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。