論文の概要: Multi-Modal Recommendation System with Auxiliary Information
- arxiv url: http://arxiv.org/abs/2210.10652v1
- Date: Thu, 13 Oct 2022 20:20:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 20:26:07.664685
- Title: Multi-Modal Recommendation System with Auxiliary Information
- Title（参考訳）: 補助情報を用いたマルチモーダル勧告システム
- Authors: Mufhumudzi Muthivhi, Terence L. van Zyl, Hairong Wang
- Abstract要約: 本研究は、商品に関する総合的な補助的知識を取り入れたマルチモーダルレコメンデーションシステムを評価することで、既存の研究を拡張した。
実験結果を分析した結果,予測精度が統計的に有意に向上し,文脈認識推薦システムに補助情報を含めることの有効性が確認された。
- 参考スコア（独自算出の注目度）: 0.47267770920095536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context-aware recommendation systems improve upon classical recommender
systems by including, in the modelling, a user's behaviour. Research into
context-aware recommendation systems has previously only considered the
sequential ordering of items as contextual information. However, there is a
wealth of unexploited additional multi-modal information available in auxiliary
knowledge related to items. This study extends the existing research by
evaluating a multi-modal recommendation system that exploits the inclusion of
comprehensive auxiliary knowledge related to an item. The empirical results
explore extracting vector representations (embeddings) from unstructured and
structured data using data2vec. The fused embeddings are then used to train
several state-of-the-art transformer architectures for sequential user-item
representations. The analysis of the experimental results shows a statistically
significant improvement in prediction accuracy, which confirms the
effectiveness of including auxiliary information in a context-aware
recommendation system. We report a 4% and 11% increase in the NDCG score for
long and short user sequence datasets, respectively.
- Abstract（参考訳）: コンテキスト認識型レコメンデーションシステムは、ユーザの振る舞いをモデリングに含めることで、古典的なレコメンデーションシステムを改善する。
文脈認識レコメンデーションシステムの研究は、以前はアイテムの順序付けを文脈情報としてのみ考慮していた。
しかし、アイテムに関する補助的な知識として、未公開のマルチモーダル情報も豊富にある。
本研究は,アイテムに関する包括的補助知識の導入を活用したマルチモーダルレコメンデーションシステムの評価を通じて,既存の研究を拡張したものである。
実験結果は,データ2vecを用いて非構造化および構造化データからベクトル表現(埋め込み)を抽出することを検討した。
融合した埋め込みは、シーケンシャルなユーザイテム表現のための最先端のトランスフォーマーアーキテクチャのトレーニングに使用される。
実験結果を分析した結果,予測精度が統計的に有意に向上し,文脈認識推薦システムに補助情報を含めることの有効性が確認された。
長文および短文のデータセットに対するNDCGスコアの4%と11%の増加を報告した。
関連論文リスト
- SC-Rec: Enhancing Generative Retrieval with Self-Consistent Reranking for Sequential Recommendation [18.519480704213017]
SC-Recは2つの異なる項目の指標と複数のプロンプトテンプレートから多様な嗜好知識を学習する統合レコメンデータシステムである。
SC-Recはシーケンシャルレコメンデーションのための最先端の手法よりも優れており、モデルの様々な出力から補完的な知識を効果的に取り入れている。
論文 参考訳（メタデータ） (2024-08-16T11:59:01Z) - Semantic-Enhanced Relational Metric Learning for Recommender Systems [27.330164862413184]
近年,知識グラフの翻訳機構に触発された推薦コミュニティにおいて,計量学習手法が注目されている。
本稿では,推薦システムにおける問題に対処するためのセマンティック拡張メトリックラーニングフレームワークを提案する。
具体的には、まず、豊富な特徴とパーソナライズされたユーザー嗜好を含む対象レビューから意味信号を抽出する。
次に、抽出した意味信号を利用して、新しい回帰モデルを設計し、元の関係に基づくトレーニングプロセスの識別能力を向上させる。
論文 参考訳（メタデータ） (2024-06-07T11:54:50Z) - Making Recommender Systems More Knowledgeable: A Framework to Incorporate Side Information [5.033504076393256]
本稿では,商品別サイド情報をレコメンダシステムに組み込んでパフォーマンスを高めるための汎用フレームワークを提案する。
副次的な情報により、我々の推薦システムは最先端のモデルよりもかなりのマージンで優れていることを示す。
また、リコメンデータシステムで使用される注意機構を標準化し、モデル性能への影響を評価するために、新しいタイプの損失を提案する。
論文 参考訳（メタデータ） (2024-06-02T04:33:52Z) - Attention-based sequential recommendation system using multimodal data [8.110978727364397]
本稿では,画像やテキスト,カテゴリといった項目のマルチモーダルなデータを用いた注意に基づくシーケンシャルレコメンデーション手法を提案する。
Amazonデータセットから得られた実験結果は,提案手法が従来の逐次レコメンデーションシステムよりも優れていることを示している。
論文 参考訳（メタデータ） (2024-05-28T08:41:05Z) - BiVRec: Bidirectional View-based Multimodal Sequential Recommendation [55.87443627659778]
我々は,IDとマルチモーダルの両方で推薦タスクを共同で訓練する,革新的なフレームワークであるBivRecを提案する。
BivRecは5つのデータセットで最先端のパフォーマンスを達成し、様々な実用的な利点を示している。
論文 参考訳（メタデータ） (2024-02-27T09:10:41Z) - Towards a Theoretical Understanding of Two-Stage Recommender Systems [0.5439020425819]
プロダクショングレードのレコメンダシステムは、Netflix、Pinterest、Amazonなど、オンラインメディアサービスで使用されている大規模なコーパスに大きく依存している。
最適なレコメンデータシステムに強い収束をもたらす2段階レコメンデータの挙動について検討する。
本研究では,2段階のレコメンデータが,商品の属性や属性が評価に与える影響をカプセル化できることを数値的に示す。
論文 参考訳（メタデータ） (2024-02-23T21:11:55Z) - EASRec: Elastic Architecture Search for Efficient Long-term Sequential
Recommender Systems [82.76483989905961]
現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。
我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。
EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
論文 参考訳（メタデータ） (2024-02-01T07:22:52Z) - Reinforcement Learning based Path Exploration for Sequential Explainable
Recommendation [57.67616822888859]
強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。
TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。
2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2021-11-24T04:34:26Z) - Insight-centric Visualization Recommendation [47.690901962177996]
本稿では,関連洞察群とグループ内の最も重要な洞察群の両方を自動的にランク付けし,推薦する可視化推薦システムを紹介する。
重要な利点は、このアプローチがカテゴリ型、数値型、時間型などの幅広い属性タイプ、およびこれらの異なる属性タイプの複雑な非自明な組み合わせに一般化できることです。
12人の参加者と2つのデータセットでユーザ調査を行い,不慣れなデータからユーザが素早く理解し,関連する洞察を得ることができることを示した。
論文 参考訳（メタデータ） (2021-03-21T03:30:22Z) - 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) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。