論文の概要: DIGAT: Modeling News Recommendation with Dual-Graph Interaction

• arxiv url: http://arxiv.org/abs/2210.05196v1
• Date: Tue, 11 Oct 2022 07:01:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 15:36:36.444623
• Title: DIGAT: Modeling News Recommendation with Dual-Graph Interaction
• Title（参考訳）: digat:デュアルグラフインタラクションによるニュースレコメンデーションのモデリング
• Authors: Zhiming Mao, Jian Li, Hongru Wang, Xingshan Zeng, Kam-Fai Wong
• Abstract要約: ニュースレコメンデーション(NR)は、オンラインニュースサービスにとって不可欠である。 既存のNRメソッドは一般的にニュースユーザ表現学習フレームワークを採用しており、2つの潜在的な制限に直面している。 本稿では,ニュースチャネルとユーザグラフチャネルで構成される2つの対話型グラフアテンションネットワーク(DIGAT)を提案する。
• 参考スコア（独自算出の注目度）: 23.31021910348558
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: News recommendation (NR) is essential for online news services. Existing NR methods typically adopt a news-user representation learning framework, facing two potential limitations. First, in news encoder, single candidate news encoding suffers from an insufficient semantic information problem. Second, existing graph-based NR methods are promising but lack effective news-user feature interaction, rendering the graph-based recommendation suboptimal. To overcome these limitations, we propose dual-interactive graph attention networks (DIGAT) consisting of news- and user-graph channels. In the news-graph channel, we enrich the semantics of single candidate news by incorporating the semantically relevant news information with a semantic-augmented graph (SAG). In the user-graph channel, multi-level user interests are represented with a news-topic graph. Most notably, we design a dual-graph interaction process to perform effective feature interaction between the news and user graphs, which facilitates accurate news-user representation matching. Experiment results on the benchmark dataset MIND show that DIGAT outperforms existing news recommendation methods. Further ablation studies and analyses validate the effectiveness of (1) semantic-augmented news graph modeling and (2) dual-graph interaction.
• Abstract（参考訳）: オンラインニュースサービスにはニュースレコメンデーション(nr)が不可欠である。 既存のNRメソッドは一般的にニュースユーザ表現学習フレームワークを採用しており、2つの潜在的な制限に直面している。 まず、ニュースエンコーダでは、単一の候補ニュースエンコーディングが、意味的情報の問題に苦しむ。 第二に、既存のグラフベースのNR手法は有望であるが、効果的なニュースユーザ機能相互作用が欠如しており、グラフベースのレコメンデーションが最適である。 これらの制限を克服するために、ニュースチャンネルとユーザグラフチャネルからなる2つの相互作用グラフアテンションネットワーク(DIGAT)を提案する。 ニュースグラフでは,セマンティック関連ニュース情報を意味拡張グラフ(SAG)に組み込むことで,単一候補ニュースのセマンティクスを充実させる。 ユーザグラフチャネルでは、マルチレベルユーザの興味をニューストピックグラフで表現する。 最も注目すべきは、ニュースとユーザグラフ間の効果的な機能インタラクションを実行するために、デュアルグラフインタラクションプロセスを設計することです。 ベンチマークデータセットMINDの実験結果は、DIGATが既存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している。 さらに,(1)意味強化されたニュースグラフモデリングと(2)二重グラフ相互作用の有効性を検証する。

関連論文リスト

• Enhancing Fake News Detection in Social Media via Label Propagation on Cross-modal Tweet Graph [19.409935976725446]
  ソーシャルメディアにおける偽ニュースを検出する新しい方法を提案する。 我々の手法は、より密な相互作用をよりよく捉えるために、グラフの接続性を高める。 評価には、Twitter、PHEME、Weiboの3つの公開フェイクニュースデータセットを使用します。
  論文  参考訳（メタデータ） (2024-06-14T09:55:54Z)
• DFGNN: Dual-frequency Graph Neural Network for Sign-aware Feedback [51.72177873832969]
  本稿では,周波数フィルタの観点から正負のフィードバックをモデル化する新しいモデルを提案する。 実世界のデータセットについて広範な実験を行い、提案モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2024-05-24T07:07:41Z)
• LOSS-GAT: Label Propagation and One-Class Semi-Supervised Graph Attention Network for Fake News Detection [2.6396287656676725]
  Loss-GATは、フェイクニュース検出のための半教師付き一級アプローチである。 我々は、ニュースを関心(フェイク)と非関心(リアル)の2つのグループに分類するために、2段階のラベル伝搬アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2024-02-13T12:02:37Z)
• Instant Representation Learning for Recommendation over Large Dynamic Graphs [29.41179019520622]
  動的多重多元グラフのための新しいグラフニューラルネットワークSUPAを提案する。 新しいエッジごとに、SUPAは影響のあるサブグラフをサンプリングし、2つの対話ノードの表現を更新し、その相互作用情報をサンプリングされたサブグラフに伝達する。 SuPAをオンラインでインクリメンタルにトレーニングするために、大規模な動的グラフのシングルパストレーニングのための効率的なワークフローであるInsLearnを提案する。
  論文  参考訳（メタデータ） (2023-05-22T15:36:10Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• Noise-robust Graph Learning by Estimating and Leveraging Pairwise Interactions [123.07967420310796]
  本稿では,グラフ上のノイズノード分類のためのペアワイズフレームワークを提案することにより,そのギャップを埋める。 PI-GNNは、ノイズの多いノードクラスラベルからのポイントワイズ学習に加えて、PIを一次学習プロキシとして依存している。 提案するフレームワークPI-GNNは,(1)PIラベルを適応的に推定する信頼度を考慮したPI推定モデル,(2)PIラベルを推定する疎結合トレーニング手法の2つの新しい構成要素に寄与する。
  論文  参考訳（メタデータ） (2021-06-14T14:23:08Z)
• TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
  我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。 我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
  論文  参考訳（メタデータ） (2021-05-17T15:33:25Z)
• Adversarial Active Learning based Heterogeneous Graph Neural Network for Fake News Detection [18.847254074201953]
  新規な偽ニュース検出フレームワークであるAdversarial Active Learning-based Heterogeneous Graph Neural Network(AA-HGNN)を提案する。 AA-HGNNは、特にラベル付きデータのあいまいさに直面している場合、学習性能を高めるためにアクティブな学習フレームワークを利用する。 2つの実世界のフェイクニュースデータセットによる実験により、我々のモデルはテキストベースのモデルや他のグラフベースのモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2021-01-27T05:05:25Z)
• A Graph-based Interactive Reasoning for Human-Object Interaction Detection [71.50535113279551]
  本稿では,HOIを推論するインタラクティブグラフ(Interactive Graph, in-Graph)という,グラフに基づくインタラクティブ推論モデルを提案する。 In-GraphNet と呼ばれる HOI を検出するための新しいフレームワークを構築した。 私たちのフレームワークはエンドツーエンドのトレーニングが可能で、人間のポーズのような高価なアノテーションはありません。
  論文  参考訳（メタデータ） (2020-07-14T09:29:03Z)
• 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。