論文の概要: Serialized Interacting Mixed Membership Stochastic Block Model

• arxiv url: http://arxiv.org/abs/2209.07813v1
• Date: Fri, 16 Sep 2022 09:25:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 13:53:14.535384
• Title: Serialized Interacting Mixed Membership Stochastic Block Model
• Title（参考訳）: シリアライズされた混合メンバーシップ確率ブロックモデル
• Authors: Ga\"el Poux-M\'edard, Julien Velcin, Sabine Loudcher
• Abstract要約: テンソルブロックモデリング(SBM)による離散的レコメンデーション問題への取り組み 本研究では,これらのモデルが単一のグローバルフレームワークの特別な場合であることを示す。 我々の定式化は6つの実世界のデータセットで予測能力を高めることを実証する。
• 参考スコア（独自算出の注目度）: 3.5450828190071655
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Last years have seen a regain of interest for the use of stochastic block modeling (SBM) in recommender systems. These models are seen as a flexible alternative to tensor decomposition techniques that are able to handle labeled data. Recent works proposed to tackle discrete recommendation problems via SBMs by considering larger contexts as input data and by adding second order interactions between contexts' related elements. In this work, we show that these models are all special cases of a single global framework: the Serialized Interacting Mixed membership Stochastic Block Model (SIMSBM). It allows to model an arbitrarily large context as well as an arbitrarily high order of interactions. We demonstrate that SIMSBM generalizes several recent SBM-based baselines. Besides, we demonstrate that our formulation allows for an increased predictive power on six real-world datasets.
• Abstract（参考訳）: 近年,推奨システムにおける確率ブロックモデリング (SBM) の利用に対する関心が高まっている。 これらのモデルはラベル付きデータを処理できるテンソル分解技術に代わるフレキシブルな選択肢と見なされている。 近年の研究では、より大規模なコンテキストを入力データとして考慮し、コンテキスト関連要素間の2次相互作用を追加することで、SBMによる離散的なレコメンデーション問題に取り組むことを提案する。 本研究では,これらのモデルが,Serialized Interacting Mixed Membering Stochastic Block Model (SIMSBM) という,単一のグローバルフレームワークの特別なケースであることを示す。 これにより、任意に大きなコンテキストと、任意に高い相互作用の順序をモデル化することができる。 SIMSBMは最近のSBMベースラインを一般化している。 さらに、我々の定式化によって、6つの実世界のデータセットの予測能力が向上することを示した。

関連論文リスト

• ModelMix: A New Model-Mixup Strategy to Minimize Vicinal Risk across Tasks for Few-scribble based Cardiac Segmentation [32.19827368497988]
  そこで本研究では,モデルパラメータをモデルパラメータとして用いたスクリブル教師付きセグメンテーションに対する新しいアプローチを提案する。 ModelMixは、別々のエンコーダから畳み込みパラメータの凸組み合わせを使って仮想モデルを構築する。 次に、教師なしとスクリブル付きの両方の方法で、タスク間のビジナルリスクを最小限に抑えるために、モデルセットを正規化します。
  論文  参考訳（メタデータ） (2024-06-19T05:58:11Z)
• Automated Model Selection for Generalized Linear Models [0.0]
  特徴部分集合選択と全体一般化線形モデルを組み合わせるために,混合整数円錐最適化がいかに利用できるかを示す。 本稿では,符号コヒーレンス制約と古典統計モデルからのアイデアを結合した新しいペアワイズ相関制約を提案する。
  論文  参考訳（メタデータ） (2024-04-25T12:16:58Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• The Bayesian Context Trees State Space Model for time series modelling and forecasting [8.37609145576126]
  実数値時系列に対してリッチな混合モデルを開発するための階層的ベイズフレームワークが導入された。 最上位では、有意義な離散状態が、最新のサンプルの適切な定量値として特定される。 下位レベルでは、実数値時系列(ベースモデル)の異なる任意のモデルが各状態と関連付けられている。
  論文  参考訳（メタデータ） (2023-08-02T02:40:42Z)
• Multidimensional Item Response Theory in the Style of Collaborative Filtering [0.8057006406834467]
  本稿では,多次元項目応答理論(MIRT)に対する機械学習手法を提案する。 協調フィルタリングに触発されて、多くのMIRTモデルを含むモデルの一般的なクラスを定義します。 本稿では, 個人モデルとクロスバリデーションを推定し, 最適動作モデルを選択するために, ペナル化結合最大度(JML)の使用について論じる。
  論文  参考訳（メタデータ） (2023-01-03T00:56:27Z)
• Mutual Exclusivity Training and Primitive Augmentation to Induce Compositionality [84.94877848357896]
  最近のデータセットは、標準的なシーケンス・ツー・シーケンスモデルにおける体系的な一般化能力の欠如を露呈している。 本稿では,セq2seqモデルの振る舞いを分析し,相互排他バイアスの欠如と全例を記憶する傾向の2つの要因を同定する。 広範に使用されている2つの構成性データセット上で、標準的なシーケンス・ツー・シーケンスモデルを用いて、経験的改善を示す。
  論文  参考訳（メタデータ） (2022-11-28T17:36:41Z)
• Transformers meet Stochastic Block Models: Attention with Data-Adaptive Sparsity and Cost [53.746169882193456]
  最近の研究は、自己注意の二次的コストを克服するために、様々なスパークアテンションモジュールを提案している。 本稿では,それぞれの注意を混合メンバーシップブロックモデルで表現することで,両方の問題を解決するモデルを提案する。 我々のモデルは、以前の効率的な変種とオリジナルのトランスフォーマーより優れており、十分に注目されています。
  論文  参考訳（メタデータ） (2022-10-27T15:30:52Z)
• Contrastive Self-supervised Sequential Recommendation with Robust Augmentation [101.25762166231904]
  Sequential Recommendation Describes a set of technique to model dynamic user behavior to order to predict future interaction in sequence user data。 データスパーシリティやノイズの多いデータなど、古くて新しい問題はまだ残っている。 逐次レコメンデーション(CoSeRec)のためのコントラスト型自己監督学習を提案する。
  論文  参考訳（メタデータ） (2021-08-14T07:15:25Z)
• A class of network models recoverable by spectral clustering [11.635152494912003]
  ブロックモデル (sbm) で使用されるアルゴリズムがブロックモデルのより広いクラスで動作することを示す。 このモデルのクラスを指定するのに必要な自由なパラメータを明確に紹介し、その結果、このモデルクラスのリカバリエラーを制御するパラメータをより明確に公開します。
  論文  参考訳（メタデータ） (2021-04-21T04:22:18Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Particle-Gibbs Sampling For Bayesian Feature Allocation Models [77.57285768500225]
  最も広く使われているMCMC戦略は、特徴割り当て行列のギブス更新に頼っている。 単一移動で特徴割り当て行列の全行を更新できるギブスサンプリング器を開発した。 このサンプルは、計算複雑性が特徴数で指数関数的にスケールするにつれて、多数の特徴を持つモデルにとって実用的ではない。 我々は,行ワイズギブズ更新と同じ分布を目標としたパーティクルギブズサンプルの開発を行うが,特徴数でのみ線形に増大する計算複雑性を有する。
  論文  参考訳（メタデータ） (2020-01-25T22:11:51Z)

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。