論文の概要: GReS: Graphical Cross-domain Recommendation for Supply Chain Platform
- arxiv url: http://arxiv.org/abs/2209.01031v1
- Date: Fri, 2 Sep 2022 12:58:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-05 12:51:44.044931
- Title: GReS: Graphical Cross-domain Recommendation for Supply Chain Platform
- Title（参考訳）: GReS:サプライチェーンプラットフォームのためのグラフィッククロスドメイン勧告
- Authors: Zhiwen Jing, Ziliang Zhao, Yang Feng, Xiaochen Ma, Nan Wu, Shengqiao
Kang, Cheng Yang, Yujia Zhang, Hao Guo
- Abstract要約: クロスドメインレコメンデーション(CDR)は、ソースドメイン情報によってターゲットドメインのレコメンデーションパフォーマンスを改善する。
CDRをSCPに適用することは、商品の階層構造を直接無視し、レコメンデーション性能を低下させる。
本稿では,グラフィカルなクロスドメインレコメンデーションモデルであるGReSを提案する。
- 参考スコア（独自算出の注目度）: 20.778556166772987
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Supply Chain Platforms (SCPs) provide downstream industries with numerous raw
materials. Compared with traditional e-commerce platforms, data in SCPs is more
sparse due to limited user interests. To tackle the data sparsity problem, one
can apply Cross-Domain Recommendation (CDR) which improves the recommendation
performance of the target domain with the source domain information. However,
applying CDR to SCPs directly ignores the hierarchical structure of commodities
in SCPs, which reduce the recommendation performance. To leverage this feature,
in this paper, we take the catering platform as an example and propose GReS, a
graphical cross-domain recommendation model. The model first constructs a
tree-shaped graph to represent the hierarchy of different nodes of dishes and
ingredients, and then applies our proposed Tree2vec method combining GCN and
BERT models to embed the graph for recommendations. Experimental results on a
commercial dataset show that GReS significantly outperforms state-of-the-art
methods in Cross-Domain Recommendation for Supply Chain Platforms.
- Abstract（参考訳）: サプライチェーンプラットフォーム(scps)は下流産業に多数の原料を提供している。
従来のeコマースプラットフォームと比較して、SCPのデータはユーザーの興味が限られているため、より疎い。
データ空間の問題に対処するために、ソースドメイン情報を用いてターゲットドメインの推奨性能を改善するクロスドメイン勧告(CDR)を適用することができる。
しかし、CDRをSCPに適用することは、SCPの商品の階層構造を直接無視し、レコメンデーション性能を低下させる。
本稿では,この機能を活用するために,キャタリングプラットフォームを例として,グラフィカルなクロスドメインレコメンデーションモデルであるgresを提案する。
本モデルではまず,食器や食材の各ノードの階層構造を表す木形グラフを構築し,GCNモデルとBERTモデルを組み合わせたTree2vec法を適用してレコメンデーションにグラフを埋め込む。
商用データセットでの実験的結果は、サプライチェーンプラットフォームのクロスドメイン推奨においてgresが最先端のメソッドを著しく上回っていることを示している。
関連論文リスト
- Graph Cross-Correlated Network for Recommendation [23.112962250384506]
本稿では,ユーザ/イテムサブグラフ間の相関関係を明示的に検討するグラフクロスコラーレンス・ネットワーク・フォー・レコメンデーション(GCR)を提案する。
GCRは、インタラクション予測とクリックスルーレート予測タスクの両方において、最先端モデルより優れている。
論文 参考訳（メタデータ） (2024-11-02T08:50:11Z) - Graph Signal Processing for Cross-Domain Recommendation [37.87497277046321]
クロスドメインレコメンデーション(CDR)は、高密度ドメインからのユーザ-イテムインタラクションを活用して、データ空間とコールドスタート問題を緩和することにより、従来のレコメンデーションシステムを拡張する。
既存のCDR手法の多くは、重複するユーザの割合と、ソースドメインとターゲットドメインの固有の相違に敏感である。
GSPに基づく統一CDRフレームワークであるCGSPを提案し、ターゲットのみの類似性とソースブリッジの類似性を柔軟に組み合わせて構築されたクロスドメイン類似性グラフを利用する。
論文 参考訳（メタデータ） (2024-07-17T07:52:45Z) - Heterogeneous Graph-based Framework with Disentangled Representations Learning for Multi-target Cross Domain Recommendation [7.247438542823219]
CDR(Cross-Domain Recommendation)は、レコメンデーションシステムにおけるデータ空間の問題に対する重要な解決策である。
本稿では,HGDR (Heterogeneous Graph-based Framework with Disentangled Representations Learning)を提案する。
実世界のデータセットとオンラインA/Bテストの実験により、提案モデルがドメイン間の情報を効果的に伝達できることが証明された。
論文 参考訳（メタデータ） (2024-07-01T02:27:54Z) - FedHCDR: Federated Cross-Domain Recommendation with Hypergraph Signal Decoupling [15.159012729198619]
我々は,ハイパーグラフ信号デカップリングを用いた新しいクロスドメイン勧告フレームワークであるFedHCDRを提案する。
本研究では,ハイパーグラフ信号デカップリング(HSD)と呼ばれる手法を導入し,ユーザ特徴をドメイン排他的・ドメイン共有的特徴に分離する。
3つの実世界のシナリオで実施された大規模な実験は、FedHCDRが既存のベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2024-03-05T03:40:39Z) - 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) - Pair then Relation: Pair-Net for Panoptic Scene Graph Generation [54.92476119356985]
Panoptic Scene Graph (PSG) は、ボックスの代わりにパン光学セグメンテーションを使用して、より包括的なシーングラフ表現を作成することを目的としている。
現在のPSGメソッドは性能が限られており、下流のタスクやアプリケーションを妨げる。
Pair then Relation (Pair-Net) - Pair Proposal Network (PPN) を用いて、対象と対象間の疎対関係を学習・フィルタリングする。
論文 参考訳（メタデータ） (2023-07-17T17:58:37Z) - 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) - A Unified Framework for Cross-Domain and Cross-System Recommendations [20.388459114221273]
CDR(Cross-Domain Recommendation)とCSR(Cross-System Recommendation)は、ターゲットデータセット(ドメイン/システム)のレコメンデーション精度を改善するために提案されている。
本稿では、Dual-Target CDR(DTCDR)、Multi-Target CDR(MTCDR)、CDR+CSR(CDR+CSR)の3つの新しいシナリオに注目し、すべてのシナリオに対して同時に全てのデータセットのレコメンデーション精度を向上させることを目的とする。
論文 参考訳（メタデータ） (2021-08-18T05:10:52Z) - Spatial-Spectral Clustering with Anchor Graph for Hyperspectral Image [88.60285937702304]
本稿では、HSIデータクラスタリングのための空間スペクトルクラスタリングとアンカーグラフ(SSCAG)という新しい非監視アプローチを提案する。
提案されたSSCAGは最先端のアプローチと競合する。
論文 参考訳（メタデータ） (2021-04-24T08:09:27Z) - SPAGAN: Shortest Path Graph Attention Network [187.75441278910708]
グラフ畳み込みネットワーク(GCN)は最近、グラフとして表現できる非グリッド構造データを分析する可能性を示した。
本研究では,SPAGAN (Shortest Path Graph Attention Network) と呼ばれる新しいGCNモデルを提案する。
論文 参考訳（メタデータ） (2021-01-10T03:18:34Z) - Bundle Recommendation with Graph Convolutional Networks [71.95344006365914]
既存のソリューションは、モデルパラメータを共有したり、マルチタスクで学習することで、ユーザーと対話モデリングをバンドルレコメンデーションに統合します。
本稿では,バンドルレコメンデーションのためのBGCN(textittextBFBundle textBFGraph textBFConvolutional textBFNetwork)というグラフニューラルネットワークモデルを提案する。
論文 参考訳（メタデータ） (2020-05-07T13:48:26Z)
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。