論文の概要: Towards Lightweight Cross-domain Sequential Recommendation via External
Attention-enhanced Graph Convolution Network
- arxiv url: http://arxiv.org/abs/2302.03221v1
- Date: Tue, 7 Feb 2023 03:06:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 17:48:34.181703
- Title: Towards Lightweight Cross-domain Sequential Recommendation via External
Attention-enhanced Graph Convolution Network
- Title（参考訳）: 外部注意型グラフ畳み込みネットワークによる軽量クロスドメインシーケンスレコメンデーションに向けて
- Authors: Jinyu Zhang, Huichuan Duan, Lei Guo, Liancheng Xu and Xinhua Wang
- Abstract要約: クロスドメインシークエンシャルレコメンデーション(CSR)は、複数のドメインからのインタラクションをモデル化することで、重複したユーザの振る舞いパターンの進化を描いている。
上記の課題,すなわちLEA-GCNを解決するために,軽量な外部注意強化GCNベースのフレームワークを導入する。
フレームワークの構造をさらに緩和し、ユーザ固有のシーケンシャルパターンを集約するために、新しい二重チャネル外部注意(EA)コンポーネントを考案する。
- 参考スコア（独自算出の注目度）: 7.1102362215550725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-domain Sequential Recommendation (CSR) is an emerging yet challenging
task that depicts the evolution of behavior patterns for overlapped users by
modeling their interactions from multiple domains. Existing studies on CSR
mainly focus on using composite or in-depth structures that achieve significant
improvement in accuracy but bring a huge burden to the model training.
Moreover, to learn the user-specific sequence representations, existing works
usually adopt the global relevance weighting strategy (e.g., self-attention
mechanism), which has quadratic computational complexity. In this work, we
introduce a lightweight external attention-enhanced GCN-based framework to
solve the above challenges, namely LEA-GCN. Specifically, by only keeping the
neighborhood aggregation component and using the Single-Layer Aggregating
Protocol (SLAP), our lightweight GCN encoder performs more efficiently to
capture the collaborative filtering signals of the items from both domains. To
further alleviate the framework structure and aggregate the user-specific
sequential pattern, we devise a novel dual-channel External Attention (EA)
component, which calculates the correlation among all items via a lightweight
linear structure. Extensive experiments are conducted on two real-world
datasets, demonstrating that LEA-GCN requires a smaller volume and less
training time without affecting the accuracy compared with several
state-of-the-art methods.
- Abstract（参考訳）: クロスドメインシークエンシャルレコメンデーション(CSR)は、複数のドメインからのインタラクションをモデル化することによって、重複するユーザの振る舞いパターンの進化を描いている。
CSRの既存の研究は主に、精度が大幅に向上するが、モデルの訓練に大きな負担をもたらす複合構造または深部構造の使用に焦点を当てている。
さらに、ユーザ固有のシーケンス表現を学習するために、既存の研究は通常、二次計算の複雑さを持つグローバルな関連重み付け戦略(自己アテンション機構など)を採用する。
本稿では,これらの課題,すなわちLEA-GCNを解決するために,軽量な外部注目型GCNベースのフレームワークを提案する。
具体的には、近傍の集約コンポーネントのみを保持し、Single-Layer Aggregating Protocol (SLAP)を使用することで、軽量GCNエンコーダはより効率的に、両方のドメインからアイテムの協調フィルタリング信号をキャプチャする。
フレームワーク構造をさらに緩和し、ユーザ固有のシーケンシャルパターンを集約するために、軽量な線形構造を介してすべての項目間の相関を計算する新しいデュアルチャネル外部注意(ea)コンポーネントを考案する。
2つの実世界のデータセットで大規模な実験が行われ、LEA-GCNはいくつかの最先端手法と比較して精度に影響を与えることなく、少ないボリュームと少ないトレーニング時間を必要とすることを示した。
関連論文リスト
- Plug-and-Play Regulators for Image-Text Matching [76.28522712930668]
微細な対応と視覚的セマンティックなアライメントの爆発は、画像とテキストのマッチングにおいて大きな可能性を秘めている。
我々は、メッセージ出力を効率的にエンコードして、コンテキストを自動生成し、モーダル表現を集約する、シンプルだが非常に効果的な2つのレギュレータを開発した。
MSCOCOとFlickr30Kデータセットの実験は、複数のモデルで印象的で一貫したR@1ゲインをもたらすことができることを実証している。
論文 参考訳（メタデータ） (2023-03-23T15:42:05Z) - GUESR: A Global Unsupervised Data-Enhancement with Bucket-Cluster
Sampling for Sequential Recommendation [58.6450834556133]
本研究では,グローバルな視点から複雑な関連性を持つ項目表現を強化するために,グラフコントラスト学習を提案する。
本稿では,CapsNetモジュールを拡張したターゲットアテンション機構により,ユーザの動的嗜好を導出する。
提案したGUESRは,大幅な改善を達成できただけでなく,汎用的な拡張戦略ともみなすことができた。
論文 参考訳（メタデータ） (2023-03-01T05:46:36Z) - USER: Unified Semantic Enhancement with Momentum Contrast for Image-Text
Retrieval [115.28586222748478]
Image-Text Retrieval (ITR) は、与えられたクエリに意味のあるターゲットインスタンスを、他のモダリティから検索することを目的としている。
既存のアプローチは通常、2つの大きな制限に悩まされる。
論文 参考訳（メタデータ） (2023-01-17T12:42:58Z) - DDGHM: Dual Dynamic Graph with Hybrid Metric Training for Cross-Domain
Sequential Recommendation [15.366783212837515]
Sequential Recommendation (SR) は、ユーザがアイテム間を移動する方法をモデル化することによって、ユーザの行動の進化パターンを特徴付ける。
この問題を解決するため、我々はクロスドメインシーケンスレコメンデーション(CDSR)に焦点を当てる。
本稿では,CDSR問題のための新しいフレームワークであるDDGHMを提案する。
論文 参考訳（メタデータ） (2022-09-21T07:53:06Z) - Reinforcement Learning-enhanced Shared-account Cross-domain Sequential
Recommendation [38.70844108264403]
共有アカウント クロスドメインシークエンシャルレコメンデーション(SCSR)は、新たな課題である。
本稿では、基本クロスドメインレコメンデータと強化学習ベースドメインフィルタからなる強化学習ベースソリューション、すなわちRL-ISNを提案する。
提案手法の性能を評価するため,実世界の2つのデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2022-06-16T11:06:32Z) - Simple Contrastive Graph Clustering [41.396185271303956]
既存の手法を改善するための単純なコントラストグラフクラスタリング(SCGC)アルゴリズムを提案する。
我々のアルゴリズムは、最近のコントラストの高いディープクラスタリング競合よりも、平均して7倍のスピードアップを達成している。
論文 参考訳（メタデータ） (2022-05-11T06:45:19Z) - Soft Hierarchical Graph Recurrent Networks for Many-Agent Partially
Observable Environments [9.067091068256747]
本稿では,階層型グラフ再帰ネットワーク(HGRN)と呼ばれる新しいネットワーク構造を提案する。
以上の技術に基づいて,Soft-HGRNと呼ばれる値に基づくMADRLアルゴリズムと,SAC-HRGNというアクタクリティカルな変種を提案する。
論文 参考訳（メタデータ） (2021-09-05T09:51:25Z) - Cross-modal Consensus Network for Weakly Supervised Temporal Action
Localization [74.34699679568818]
時間的行動局所化 (WS-TAL) は、ビデオレベルの分類的監督によって、ビデオ内のアクションインスタンスをローカライズすることを目的とした課題である。
この問題に対処するためのクロスモーダルコンセンサスネットワーク(CO2-Net)を提案する。
論文 参考訳（メタデータ） (2021-07-27T04:21:01Z) - CoADNet: Collaborative Aggregation-and-Distribution Networks for
Co-Salient Object Detection [91.91911418421086]
Co-Salient Object Detection (CoSOD)は、2つ以上の関連する画像を含む所定のクエリグループに繰り返し現れる健全なオブジェクトを発見することを目的としている。
課題の1つは、画像間の関係をモデリングし、活用することによって、コ・サリヤ・キューを効果的にキャプチャする方法である。
我々は,複数画像から有能かつ反復的な視覚パターンを捉えるために,エンドツーエンドの協調集約配信ネットワーク(CoADNet)を提案する。
論文 参考訳（メタデータ） (2020-11-10T04:28:11Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳（メタデータ） (2020-03-09T17:05:04Z)
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。