論文の概要: Intent-aware Multi-source Contrastive Alignment for Tag-enhanced Recommendation

• arxiv url: http://arxiv.org/abs/2211.06370v1
• Date: Fri, 11 Nov 2022 17:43:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 17:16:44.481019
• Title: Intent-aware Multi-source Contrastive Alignment for Tag-enhanced Recommendation
• Title（参考訳）: タグエンハンスドレコメンデーションのためのインテントアウェアマルチソースコントラストアライメント
• Authors: Haolun Wu, Yingxue Zhang, Chen Ma, Wei Guo, Ruiming Tang, Xue Liu, Mark Coates
• Abstract要約: 我々は,情報ソースをまたいだ自己教師型学習を通じて,軽量で効果的な代替フレームワークを模索する。 我々は、ユーザと以前対話したアイテムに関連する補助情報とをペアリングするために、セルフスーパービジョン信号を使用する。 また,本手法はトレーニング時間を短縮しつつ,より優れた性能を実現することができることを示す。
• 参考スコア（独自算出の注目度）: 46.04494053005958
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To offer accurate and diverse recommendation services, recent methods use auxiliary information to foster the learning process of user and item representations. Many SOTA methods fuse different sources of information (user, item, knowledge graph, tags, etc.) into a graph and use Graph Neural Networks to introduce the auxiliary information through the message passing paradigm. In this work, we seek an alternative framework that is light and effective through self-supervised learning across different sources of information, particularly for the commonly accessible item tag information. We use a self-supervision signal to pair users with the auxiliary information associated with the items they have interacted with before. To achieve the pairing, we create a proxy training task. For a given item, the model predicts the correct pairing between the representations obtained from the users that have interacted with this item and the assigned tags. This design provides an efficient solution, using the auxiliary information directly to enhance the quality of user and item embeddings. User behavior in recommendation systems is driven by the complex interactions of many factors behind the decision-making processes. To make the pairing process more fine-grained and avoid embedding collapse, we propose an intent-aware self-supervised pairing process where we split the user embeddings into multiple sub-embedding vectors. Each sub-embedding vector captures a specific user intent via self-supervised alignment with a particular cluster of tags. We integrate our designed framework with various recommendation models, demonstrating its flexibility and compatibility. Through comparison with numerous SOTA methods on seven real-world datasets, we show that our method can achieve better performance while requiring less training time. This indicates the potential of applying our approach on web-scale datasets.
• Abstract（参考訳）: 高精度で多様なレコメンデーションサービスを提供するために,近年の手法では補助情報を用いてユーザおよびアイテム表現の学習プロセスを促進している。 多くのSOTAメソッドは、異なる情報ソース(ユーザ、アイテム、知識グラフ、タグなど)をグラフに融合させ、グラフニューラルネットワークを使用してメッセージパッシングパラダイムを通じて補助情報を導入する。 本研究では,様々な情報ソース,特に一般にアクセス可能なアイテムタグ情報に対して,自己教師あり学習を通じて,軽量かつ効果的な代替フレームワークを求める。 自己スーパービジョン信号を使用して、ユーザと以前やりとりしたアイテムに関連する補助情報とをペアリングする。 ペアリングを実現するために、プロキシトレーニングタスクを作成します。 与えられたアイテムに対して、モデルは、このアイテムと対話したユーザから得られた表現と割り当てられたタグとの正しいペアリングを予測する。 この設計は、ユーザとアイテムの埋め込みの品質を高めるために、補助情報を直接利用する効率的なソリューションを提供する。 レコメンデーションシステムにおけるユーザ行動は、意思決定プロセスの背後にある多くの要因の複雑な相互作用によって引き起こされる。 組付けプロセスをより細かくし、組込みの崩壊を回避するために、ユーザが組込みを複数のサブ組込みベクトルに分割するインテント対応の自己教師付きペアリングプロセスを提案する。 各サブエンベディングベクターは、特定のタグのクラスタとの自己教師付きアライメントを通じて、特定のユーザインテントをキャプチャする。 設計したフレームワークをさまざまなレコメンデーションモデルに統合し、柔軟性と互換性を実証します。 実世界の7つのデータセットにおける多数のSOTA手法との比較により,本手法は訓練時間が少なくて優れた性能が得られることを示す。 これは、我々のアプローチをWebスケールのデータセットに適用する可能性を示している。

関連論文リスト

• Improving Content Recommendation: Knowledge Graph-Based Semantic Contrastive Learning for Diversity and Cold-Start Users [5.224122150536595]
  本稿では,複数タスクのハイブリッド学習手法を提案する。 我々のアプローチは、テキストからの意味情報を活用することにより、知識グラフ内のエンティティ間の関係をよりよく理解することを可能にする。
  論文  参考訳（メタデータ） (2024-03-27T15:11:00Z)
• Pre-trained Neural Recommenders: A Transferable Zero-Shot Framework for Recommendation Systems [5.597511654202054]
  両部間相互作用グラフからノードとエッジのユニバーサル(ユーザやアイテムの補助情報なしでゼロショット適応をサポートする)表現を学習する方法を示す。
  論文  参考訳（メタデータ） (2023-09-03T14:18:31Z)
• COLA: Improving Conversational Recommender Systems by Collaborative Augmentation [9.99763097964222]
  アイテム表現学習とユーザ嗜好モデリングの両方を改善するために,協調的拡張(COLA)手法を提案する。 すべての会話から対話型ユーザテムグラフを構築し,ユーザ認識情報によってアイテム表現を拡大する。 ユーザの嗜好モデルを改善するため,学習コーパスから類似した会話を検索し,ユーザの興味を反映した関連項目や属性を用いてユーザ表現を増強する。
  論文  参考訳（メタデータ） (2022-12-15T12:37:28Z)
• Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation [56.12499090935242]
  本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。 KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。 KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-08T09:44:00Z)
• Hyper Meta-Path Contrastive Learning for Multi-Behavior Recommendation [61.114580368455236]
  マルチビヘイビア情報によるユーザ購入予測は、現在のレコメンデーションシステムでは難しい問題である。 本稿では,ハイパーメタパスやハイパーメタグラフを構築するためのハイパーメタパスの概念を提案する。 最近のグラフコントラスト学習の成功により、異なる振る舞い間の依存関係を理解するために固定されたスキームを割り当てるのではなく、ユーザ行動パターンの埋め込みを適応的に学習する。
  論文  参考訳（メタデータ） (2021-09-07T04:28:09Z)
• Application of Knowledge Graphs to Provide Side Information for Improved Recommendation Accuracy [2.8360662552057323]
  我々は,知識グラフをレコメンデーションパイプラインに統合する新しい汎用レコメンデーションシステムフレームワークを提案する。 本フレームワークは,異なる知識グラフ表現形式をサポートし,推薦手法の学習に必要なフォーマット変換,マージ,情報抽出を容易にする。
  論文  参考訳（メタデータ） (2021-01-07T16:52:05Z)
• Disentangled Graph Collaborative Filtering [100.26835145396782]
  Disentangled Graph Collaborative Filtering (DGCF)は、インタラクションデータからユーザとアイテムの情報表現を学ぶための新しいモデルである。 ユーザ・イテムのインタラクション毎に意図を超越した分布をモデル化することにより、インテント・アウェアなインタラクショングラフと表現を反復的に洗練する。 DGCFはNGCF、DisenGCN、MacridVAEといった最先端モデルよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2020-07-03T15:37:25Z)
• Adversarial Learning for Personalized Tag Recommendation [61.76193196463919]
  大規模データセットでトレーニング可能なエンドツーエンドのディープネットワークを提案する。 ユーザの嗜好と視覚的エンコーディングの合同トレーニングにより、ネットワークは視覚的嗜好をタグ付け行動と効率的に統合することができる。 本稿では,提案モデルの有効性を2つの大規模および公開データセットで示す。
  論文  参考訳（メタデータ） (2020-04-01T20:41:41Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。