論文の概要: A Concept Knowledge Graph for User Next Intent Prediction at Alipay
- arxiv url: http://arxiv.org/abs/2301.00503v1
- Date: Mon, 2 Jan 2023 02:10:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 13:51:38.695938
- Title: A Concept Knowledge Graph for User Next Intent Prediction at Alipay
- Title(参考訳): Alipayにおけるユーザ次のインテント予測のための概念知識グラフ
- Authors: Yacheng He, Qianghuai Jia, Lin Yuan, Ruopeng Li, Yixin Ou, Ningyu
Zhang
- Abstract要約: 本稿では,概念知識グラフを用いたユーザ次の意図予測技術について述べる。
本稿では、知識グラフから専門家ルールを統合し、オンラインユーザの次の意図を推測するTransformerベースのモデルを提案する。
実験の結果,提案システムは,説明可能性を維持しつつ,下流タスクの性能を効果的に向上させることができることがわかった。
- 参考スコア(独自算出の注目度): 12.271076334693511
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper illustrates the technologies of user next intent prediction with a
concept knowledge graph. The system has been deployed on the Web at Alipay,
serving more than 100 million daily active users. Specifically, we propose
AlipayKG to explicitly characterize user intent, which is an offline concept
knowledge graph in the Life-Service domain modeling the historical behaviors of
users, the rich content interacted by users and the relations between them. We
further introduce a Transformer-based model which integrates expert rules from
the knowledge graph to infer the online user's next intent. Experimental
results demonstrate that the proposed system can effectively enhance the
performance of the downstream tasks while retaining explainability.
- Abstract(参考訳): 本稿では,概念知識グラフを用いたユーザ次の意図予測技術について述べる。
このシステムはAlipayのWeb上に展開され、1日当たり1億人以上のアクティブユーザーを提供している。
具体的には,AlipayKGを提案する。これはライフサービスドメインにおけるオフラインの概念知識グラフであり,ユーザの履歴行動,ユーザによってインタラクションされるリッチコンテンツ,ユーザ間の関係をモデル化する。
さらに、知識グラフから専門家ルールを統合してオンラインユーザの次の意図を推測するトランスフォーマティブベースモデルについても紹介する。
実験の結果,提案手法は説明可能性を維持しつつ,下流タスクの性能を効果的に向上できることがわかった。
関連論文リスト
- Intention Knowledge Graph Construction for User Intention Relation Modeling [44.36696934604431]
本稿では,意図的知識グラフを自動生成するフレームワークを提案する。
3億3100万のエッジを持つ意図グラフを構築し、高い妥当性と受容性を示す。
本モデルは,新規セッションの意図を効果的に予測し,製品レコメンデーションを強化する。
論文 参考訳(メタデータ) (2024-12-16T07:18:40Z) - Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。
しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。
したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
論文 参考訳(メタデータ) (2022-11-17T19:00:24Z) - DIGMN: Dynamic Intent Guided Meta Network for Differentiated User
Engagement Forecasting in Online Professional Social Platforms [32.70471436337077]
ユーザエンゲージメントパターンの違いの大きな理由は、ユーザが異なる意図を持っていることだ。
本稿では動的ガイドメタネットワーク(DIGMN)を提案する。
我々の手法は最先端のベースラインを大幅に上回る。
論文 参考訳(メタデータ) (2022-10-22T09:57:27Z) - PinnerFormer: Sequence Modeling for User Representation at Pinterest [60.335384724891746]
我々は、ユーザの将来的なエンゲージメントを予測するためにトレーニングされたユーザ表現であるPinnerFormerを紹介する。
従来のアプローチとは異なり、新しい密集した全アクション損失を通じて、モデリングをバッチインフラストラクチャに適応させます。
その結果,1日に1回発生するバッチユーザ埋め込みと,ユーザがアクションを行うたびに発生するリアルタイムユーザ埋め込みとの間には,大きなギャップがあることが判明した。
論文 参考訳(メタデータ) (2022-05-09T18:26:51Z) - Conditional Attention Networks for Distilling Knowledge Graphs in
Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。
本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。
そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文 参考訳(メタデータ) (2021-11-03T09:40:43Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T00:02:06Z) - Context-aware Heterogeneous Graph Attention Network for User Behavior
Prediction in Local Consumer Service Platform [8.30503479549857]
ローカルコンシューマサービスプラットフォームは、GrouponやKoubeiといった、近くの店や自宅へのサービスを利用するソフトウェアを提供する。
ローカルコンシューマサービスプラットフォーム上でのユーザの振る舞いは、リアルタイムなローカルコンテキスト情報と密接に関連している。
本稿では,ユーザの表現を生成し,将来の行動の確率を推定するために,コンテキスト対応の異種グラフアテンションネットワーク(CHGAT)を提案する。
論文 参考訳(メタデータ) (2021-06-24T03:08:21Z) - Supporting Financial Inclusion with Graph Machine Learning and Super-App
Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。
本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文 参考訳(メタデータ) (2021-02-19T15:13:06Z) - Knowing your FATE: Friendship, Action and Temporal Explanations for User
Engagement Prediction on Social Apps [40.58156024231199]
本稿では,ソーシャルネットワークアプリにおけるユーザエンゲージメント予測の新たな課題について検討する。
エンド・ツー・エンドのニューラルネットワークフレームワークであるFATEを設計し、ユーザエンゲージメントに影響を与えるために識別する3つの重要な要素を組み込んだ。
FATEは、テンソルベースのグラフニューラルネットワーク(GNN)、LSTM、混合アテンション機構に基づいており、(a)異なる特徴カテゴリにわたる学習重みに基づく予測的説明、(b)ネットワークの複雑さの低減、(c)予測精度とトレーニング/推論時間の両方のパフォーマンス向上を実現している。
論文 参考訳(メタデータ) (2020-06-10T02:59:13Z)
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。