論文の概要: Time-aware Hyperbolic Graph Attention Network for Session-based Recommendation

• arxiv url: http://arxiv.org/abs/2301.03780v1
• Date: Tue, 10 Jan 2023 04:16:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 17:47:06.769963
• Title: Time-aware Hyperbolic Graph Attention Network for Session-based Recommendation
• Title（参考訳）: セッションベースレコメンデーションのための時間対応双曲グラフアテンションネットワーク
• Authors: Xiaohan Li, Yuqing Liu, Zheng Liu, Philip S. Yu
• Abstract要約: セッションベースのレコメンデーション(SBR、Session-based Recommendation)は、ユーザの次の関心項目を以前のブラウジングセッションに基づいて予測することである。 時間情報を考慮したセッションベースレコメンデーションモデルを構築するために,TA-HGAT(Time-Aware Hyperbolic Graph Attention Network)を提案する。
• 参考スコア（独自算出の注目度）: 58.748215444851226
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Session-based Recommendation (SBR) is to predict users' next interested items based on their previous browsing sessions. Existing methods model sessions as graphs or sequences to estimate user interests based on their interacted items to make recommendations. In recent years, graph-based methods have achieved outstanding performance on SBR. However, none of these methods consider temporal information, which is a crucial feature in SBR as it indicates timeliness or currency. Besides, the session graphs exhibit a hierarchical structure and are demonstrated to be suitable in hyperbolic geometry. But few papers design the models in hyperbolic spaces and this direction is still under exploration. In this paper, we propose Time-aware Hyperbolic Graph Attention Network (TA-HGAT) - a novel hyperbolic graph neural network framework to build a session-based recommendation model considering temporal information. More specifically, there are three components in TA-HGAT. First, a hyperbolic projection module transforms the item features into hyperbolic space. Second, the time-aware graph attention module models time intervals between items and the users' current interests. Third, an evolutionary loss at the end of the model provides an accurate prediction of the recommended item based on the given timestamp. TA-HGAT is built in a hyperbolic space to learn the hierarchical structure of session graphs. Experimental results show that the proposed TA-HGAT has the best performance compared to ten baseline models on two real-world datasets.
• Abstract（参考訳）: セッションベースレコメンデーション(sbr)は、以前のブラウジングセッションに基づいてユーザーの次の興味のあるアイテムを予測することである。 既存のメソッドはセッションをグラフやシーケンスとしてモデル化し、インタラクションされたアイテムに基づいてユーザの関心を見積もって推奨する。 近年,グラフベースの手法はSBRにおいて優れた性能を発揮している。 しかし、これらの手法は時相情報を考慮せず、これはSBRにおいてタイムラインや通貨を示す重要な特徴である。 さらに、セッショングラフは階層構造を示し、双曲幾何学に適していることが示される。 しかし、双曲空間でモデルを設計する論文はほとんどなく、この方向はまだ探索中である。 本稿では,時間情報を考慮したセッションベースレコメンデーションモデルを構築するための,新しいハイパーボリックグラフニューラルネットワークフレームワークであるTA-HGAT(Time-Aware Hyperbolic Graph Attention Network)を提案する。 具体的には、TA-HGATには3つのコンポーネントがある。 まず、双曲射影モジュールはアイテムの特徴を双曲空間に変換する。 第2に、タイムアウェアグラフアテンションモジュールは、アイテムとユーザの現在の関心の間の時間間隔をモデル化する。 第三に、モデルの最後に発生する進化的損失は、与えられたタイムスタンプに基づいて推奨項目の正確な予測を提供する。 TA-HGATは、セッショングラフの階層構造を学ぶために双曲空間で構築される。 実験結果から,提案したTA-HGATは,実世界の2つのデータセット上で10のベースラインモデルと比較して最高の性能を示した。

関連論文リスト

• From random-walks to graph-sprints: a low-latency node embedding framework on continuous-time dynamic graphs [4.372841335228306]
  本稿では,レイテンシが低く,最先端の高レイテンシモデルと競合する連続時間動的グラフ(CTDG)のフレームワークを提案する。 本フレームワークでは,マルチホップ情報を要約したタイムアウェアノード埋め込みを,入ってくるエッジ上のシングルホップ操作のみを用いて計算する。 グラフプリント機能と機械学習を組み合わせることで,競争性能が向上することを示す。
  論文  参考訳（メタデータ） (2023-07-17T12:25:52Z)
• Temporal Graph Benchmark for Machine Learning on Temporal Graphs [54.52243310226456]
  テンポラルグラフベンチマーク(TGB)は、困難で多様なベンチマークデータセットのコレクションである。 各データセットをベンチマークし、共通のモデルのパフォーマンスがデータセット間で大きく異なることを発見した。 TGBは、再現可能でアクセス可能な時間グラフ研究のための自動機械学習パイプラインを提供する。
  論文  参考訳（メタデータ） (2023-07-03T13:58:20Z)
• FTM: A Frame-level Timeline Modeling Method for Temporal Graph Representation Learning [47.52733127616005]
  本稿では,短期的特徴と長期的特徴の両方を捉えるのに役立つフレームレベルタイムラインモデリング(FTM)手法を提案する。 我々の手法は、ほとんどの時間的GNNで簡単に組み立てることができる。
  論文  参考訳（メタデータ） (2023-02-23T06:53:16Z)
• Learning Dual Dynamic Representations on Time-Sliced User-Item Interaction Graphs for Sequential Recommendation [62.30552176649873]
  シーケンシャルレコメンデーションのための動的表現学習モデル(DRL-SRe)を考案する。 両面から動的に特徴付けるためのユーザ・イテム相互作用をモデル化するため,提案モデルでは,時間スライス毎にグローバルなユーザ・イテム相互作用グラフを構築した。 モデルが微粒な時間情報を捕捉することを可能にするため,連続時間スライス上での補助的時間予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-09-24T07:44:27Z)
• Position-enhanced and Time-aware Graph Convolutional Network for Sequential Recommendations [3.286961611175469]
  我々は、位置対応と時間対応のグラフ畳み込みネットワーク(PTGCN)に基づく、深層学習に基づくシーケンシャルレコメンデーションアプローチを提案する。 PTGCNは、位置対応と時間対応のグラフ畳み込み演算を定義することにより、ユーザとイテム相互作用間の逐次パターンと時間ダイナミクスをモデル化する。 多層グラフ畳み込みを積み重ねることで、ユーザとアイテム間の高次接続を実現する。
  論文  参考訳（メタデータ） (2021-07-12T07:34:20Z)
• HCGR: Hyperbolic Contrastive Graph Representation Learning for Session-based Recommendation [5.942131706372327]
  セッションベースレコメンデーション(SBR)は、ユーザの行動の進化から短期的および連続的なパターンをキャプチャすることで、ユーザの好みを学習する。 アイテムのコヒーレンスと階層的表現を適切に捉えるために,双曲型コントラストグラフレコメンダ(HCGR)を提案する。
  論文  参考訳（メタデータ） (2021-07-06T01:46:16Z)
• From Static to Dynamic Node Embeddings [61.58641072424504]
  本稿では,時間的予測に基づくアプリケーションにグラフストリームデータを活用するための汎用フレームワークを提案する。 提案フレームワークは,適切なグラフ時系列表現を学習するための新しい手法を含む。 トップ3の時間モデルは常に新しい$epsilon$-graphの時系列表現を利用するモデルであることが分かりました。
  論文  参考訳（メタデータ） (2020-09-21T16:48:29Z)
• TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation [66.04457457299218]
  セッションベースレコメンデーションのための新しいターゲット注意グラフニューラルネットワーク(TAGNN)モデルを提案する。 TAGNNでは、ターゲット・アウェア・アテンションは、様々なターゲット項目に関して異なるユーザ関心を適応的に活性化する。 学習した関心表現ベクトルは、異なる対象項目によって変化し、モデルの表現性を大幅に改善する。
  論文  参考訳（メタデータ） (2020-05-06T14:17:05Z)

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。