論文の概要: Market-Aware Models for Efficient Cross-Market Recommendation

• arxiv url: http://arxiv.org/abs/2302.07130v1
• Date: Tue, 14 Feb 2023 15:44:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-15 15:06:55.082285
• Title: Market-Aware Models for Efficient Cross-Market Recommendation
• Title（参考訳）: 効率的な市場横断勧告のための市場対応モデル
• Authors: Samarth Bhargav, Mohammad Aliannejadi, Evangelos Kanoulas
• Abstract要約: クロスマーケットレコメンデーション(CMR)は、よりリッチで補助的なソースマーケットのデータを使用して、低リソースのターゲットマーケットでレコメンデーションを行う。 CMRにおける以前の作業は、メタラーニングを利用して、ターゲット市場でのレコメンデーションパフォーマンスを改善した。 メタ学習の代わりに市場埋め込みを通じて市場を直接モデル化するマーケットアウェア(MA)モデルを提案する。
• 参考スコア（独自算出の注目度）: 14.663751660438729
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the cross-market recommendation (CMR) task, which involves recommendation in a low-resource target market using data from a richer, auxiliary source market. Prior work in CMR utilised meta-learning to improve recommendation performance in target markets; meta-learning however can be complex and resource intensive. In this paper, we propose market-aware (MA) models, which directly model a market via market embeddings instead of meta-learning across markets. These embeddings transform item representations into market-specific representations. Our experiments highlight the effectiveness and efficiency of MA models both in a pairwise setting with a single target-source market, as well as a global model trained on all markets in unison. In the former pairwise setting, MA models on average outperform market-unaware models in 85% of cases on nDCG@10, while being time-efficient - compared to meta-learning models, MA models require only 15% of the training time. In the global setting, MA models outperform market-unaware models consistently for some markets, while outperforming meta-learning-based methods for all but one market. We conclude that MA models are an efficient and effective alternative to meta-learning, especially in the global setting.
• Abstract（参考訳）: 我々は、よりリッチで補助的なソース市場のデータを用いて、低リソースのターゲット市場におけるレコメンデーションを含む、クロスマーケットレコメンデーション(CMR)タスクについて検討する。 CMRにおける以前の作業では、メタラーニングを利用して、ターゲット市場における推奨性能を改善した。 本稿では,市場を横断するメタ学習ではなく,市場埋め込みを通じて市場を直接モデル化する市場認識モデルを提案する。 これらの埋め込みはアイテム表現を市場固有の表現に変換する。 実験では,MAモデルの有効性と効率性を,単一のターゲット・ソース・マーケットとのペア・セッティングと,単一市場におけるグローバル・モデルの両方で評価した。 従来のペアワイズモデルでは、MAモデルはnDCG@10のケースの85%において、平均的な市場対応モデルよりも優れているが、メタラーニングモデルと比較すると、MAモデルはトレーニング時間の15%しか必要としない。 グローバル環境では、MAモデルは一部の市場において一貫して市場無知モデルより優れ、一方、メタラーニングベースの手法は1つの市場以外では優れています。 maモデルは、特にグローバル環境では、メタラーニングの効率的かつ効果的な代替手段である、と結論づけた。

関連論文リスト

• What Teaches Robots to Walk, Teaches Them to Trade too -- Regime Adaptive Execution using Informed Data and LLMs [1.6317061277457001]
  我々は、事前学習されたLLM(いわゆる「プライベート情報」)の世界知識を活用し、本質的な自然市場報酬を用いて動的に適応する革新的なアプローチを導入する。 その結果,金融市場の体制変化に適応する上で,本手法の有効性が実証された。 提案したアルゴリズムフレームワークは,既存の (FLARE) ベンチマークのストックモーメント (SM) タスクにおいて,最高の性能のSOTA LLMモデルよりも15%以上の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-06-20T00:17:28Z)
• Electricity Price Forecasting in the Irish Balancing Market [0.0]
  この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。 異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。 大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
  論文  参考訳（メタデータ） (2024-02-09T15:18:00Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• MERMAIDE: Learning to Align Learners using Model-Based Meta-Learning [62.065503126104126]
  本研究では,先見のつかない学習エージェントの報酬を効率よく効果的に介入し,望ましい結果を導き出す方法について検討する。 これはオークションや課税のような現実世界の多くの設定に関係しており、プリンシパルは学習行動や実際の人々の報酬を知らないかもしれない。 モデルに基づくメタ学習フレームワークであるMERMAIDEを導入し,配布外エージェントに迅速に適応できるプリンシパルを訓練する。
  論文  参考訳（メタデータ） (2023-04-10T15:44:50Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• Cross-Market Product Recommendation [22.385250578972084]
  我々は、資源補助市場において、類似の富裕層からのデータを活用して、資源密閉市場の利用者に関連商品を推薦する問題について検討する。 我々は、市場適応というクロスマーケット製品レコメンデーションの問題を導入し、フォーマル化する。 我々は、市場適応が異なる市場に対する影響を研究する広範囲な実験を行っている。
  論文  参考訳（メタデータ） (2021-09-13T12:53:45Z)
• OSOUM Framework for Trading Data Research [79.0383470835073]
  私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。 我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。 データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
  論文  参考訳（メタデータ） (2021-02-18T09:20:26Z)
• MARS-Gym: A Gym framework to model, train, and evaluate Recommender Systems for Marketplaces [51.123916699062384]
  MARS-Gymは、市場におけるレコメンデーションのための強化学習エージェントの構築と評価を行うオープンソースフレームワークである。 本稿では,Trivagoマーケットプレースデータセットにおいて,さまざまなベースラインエージェントの実装とメトリクス駆動による分析を行う。 学術研究と生産システムとのギャップを埋め、新しいアルゴリズムやアプリケーションの設計を容易にしたいと考えている。
  論文  参考訳（メタデータ） (2020-09-30T16:39:31Z)

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。