論文の概要: A Sequence-Aware Recommendation Method Based on Complex Networks
- arxiv url: http://arxiv.org/abs/2210.07814v1
- Date: Fri, 30 Sep 2022 16:34:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 20:43:41.354477
- Title: A Sequence-Aware Recommendation Method Based on Complex Networks
- Title（参考訳）: 複雑なネットワークに基づくシーケンスアウェア勧告手法
- Authors: Abdullah Alhadlaq and Said Kerrache and Hatim Aboalsamh
- Abstract要約: データからネットワークモデルを構築し、それを使ってユーザのその後のアクションを予測する。
提案手法は大規模データセット上で実験的に実装および試験を行った。
- 参考スコア（独自算出の注目度）: 1.385805101975528
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online stores and service providers rely heavily on recommendation softwares
to guide users through the vast amount of available products. Consequently, the
field of recommender systems has attracted increased attention from the
industry and academia alike, but despite this joint effort, the field still
faces several challenges. For instance, most existing work models the
recommendation problem as a matrix completion problem to predict the user
preference for an item. This abstraction prevents the system from utilizing the
rich information from the ordered sequence of user actions logged in online
sessions. To address this limitation, researchers have recently developed a
promising new breed of algorithms called sequence-aware recommender systems to
predict the user's next action by utilizing the time series composed of the
sequence of actions in an ongoing user session. This paper proposes a novel
sequence-aware recommendation approach based on a complex network generated by
the hidden metric space model, which combines node similarity and popularity to
generate links. We build a network model from data and then use it to predict
the user's subsequent actions. The network model provides an additional source
of information that improves the accuracy of the recommendations. The proposed
method is implemented and tested experimentally on a large dataset. The results
prove that the proposed approach performs better than state-of-the-art
recommendation methods.
- Abstract（参考訳）: オンラインストアやサービスプロバイダは、大量の利用可能な製品を通じてユーザをガイドするレコメンデーションソフトウェアに大きく依存している。
その結果、推薦制度の分野は産業や学界からも注目が集まっているが、この共同作業にもかかわらず、この分野は依然としていくつかの課題に直面している。
例えば、既存の作業の多くは、推奨問題を行列補完問題としてモデル化し、アイテムのユーザの好みを予測する。
この抽象化により、システムはオンラインセッションに記録されたユーザーアクションの順序列からリッチな情報を利用することができない。
この制限に対処するために、研究者は、現在進行中のユーザセッションにおけるアクションのシーケンスからなる時系列を利用して、ユーザの次のアクションを予測するシーケンシャルアウェアレコメンダシステムと呼ばれる有望な新しいアルゴリズムを開発した。
本稿では,ノードの類似点と人気度を組み合わせてリンクを生成する,隠れ距離空間モデルによって生成される複雑なネットワークに基づく,新しいシーケンス対応レコメンデーション手法を提案する。
データからネットワークモデルを構築し、それを使ってユーザのその後のアクションを予測する。
ネットワークモデルは、レコメンデーションの精度を向上させる追加の情報ソースを提供する。
提案手法は大規模データセット上で実験的に実装および試験を行った。
その結果,提案手法は最先端のレコメンデーション手法よりも優れた性能を示した。
関連論文リスト
- Bridging User Dynamics: Transforming Sequential Recommendations with Schrödinger Bridge and Diffusion Models [49.458914600467324]
拡散に基づく逐次レコメンデーションモデルにSchr"odinger Bridgeを導入し、SdifRecモデルを作成する。
また、ユーザクラスタリング情報を誘導条件として利用するcon-SdifRecと呼ばれるSdifRecの拡張版も提案する。
論文 参考訳（メタデータ） (2024-08-30T09:10:38Z) - MISSRec: Pre-training and Transferring Multi-modal Interest-aware
Sequence Representation for Recommendation [61.45986275328629]
逐次レコメンデーションのためのマルチモーダル事前学習・転送学習フレームワークであるMISSRecを提案する。
ユーザ側ではトランスフォーマーベースのエンコーダデコーダモデルを設計し、コンテキストエンコーダがシーケンスレベルのマルチモーダルユーザ興味を捉えることを学習する。
候補項目側では,ユーザ適応項目表現を生成するために動的融合モジュールを採用する。
論文 参考訳（メタデータ） (2023-08-22T04:06:56Z) - Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-05-08T21:48:17Z) - Improving Sequential Query Recommendation with Immediate User Feedback [6.925738064847176]
本稿では,対話型データ探索設定における次のクエリレコメンデーションのためのアルゴリズムを提案する。
人気のあるオンライン文献発見サービスからログファイルを用いて大規模な実験を行った。
論文 参考訳（メタデータ） (2022-05-12T18:19:24Z) - GHRS: Graph-based Hybrid Recommendation System with Application to Movie
Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。
オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。
The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文 参考訳（メタデータ） (2021-11-06T10:47:45Z) - D2RLIR : an improved and diversified ranking function in interactive
recommendation systems based on deep reinforcement learning [0.3058685580689604]
本稿では,アクタ・クリティカルアーキテクチャを用いた深層強化学習に基づく推薦システムを提案する。
提案モデルでは,ユーザの嗜好に基づいて,多様かつ関連性の高いレコメンデーションリストを生成することができる。
論文 参考訳（メタデータ） (2021-10-28T13:11:29Z) - 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) - Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。
当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
論文 参考訳（メタデータ） (2020-05-21T12:28:59Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳（メタデータ） (2020-05-19T10:18:43Z) - Recommendation system using a deep learning and graph analysis approach [1.2183405753834562]
本稿では,行列係数化とグラフ解析に基づく新しい推薦手法を提案する。
さらに,ディープオートエンコーダを利用してユーザやアイテムの潜伏要因を初期化し,ディープ埋め込み手法によってユーザの潜伏要因をユーザ信頼グラフから収集する。
論文 参考訳（メタデータ） (2020-04-17T08:05:33Z)
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。