論文の概要: IDEAL: Toward High-efficiency Device-Cloud Collaborative and Dynamic Recommendation System

• arxiv url: http://arxiv.org/abs/2302.07335v1
• Date: Tue, 14 Feb 2023 20:44:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-16 16:28:10.925951
• Title: IDEAL: Toward High-efficiency Device-Cloud Collaborative and Dynamic Recommendation System
• Title（参考訳）: IDEAL:高効率デバイスクラウドコラボレーションと動的レコメンデーションシステムを目指して
• Authors: Zheqi Lv, Zhengyu Chen, Shengyu Zhang, Kun Kuang, Wenqiao Zhang, Mengze Li, Beng Chin Ooi, Fei Wu
• Abstract要約: 2つのトレンドは、デバイスとクラウドのコラボレーションと動的レコメンデーションを可能にする。 我々は、ドメイン外データを検出することで、Iを実装するための新しいデバイスインテリジェンスタスクを設計する。 本研究は,4つの公開ベンチマークにおける有効性と一般化性を示す。
• 参考スコア（独自算出の注目度）: 48.04687384069841
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommendation systems have shown great potential to solve the information explosion problem and enhance user experience in various online applications, which recently present two emerging trends: (i) Collaboration: single-sided model trained on-cloud (separate learning) to the device-cloud collaborative recommendation (collaborative learning). (ii) Real-time Dynamic: the network parameters are the same across all the instances (static model) to adaptive network parameters generation conditioned on the real-time instances (dynamic model). The aforementioned two trends enable the device-cloud collaborative and dynamic recommendation, which deeply exploits the recommendation pattern among cloud-device data and efficiently characterizes different instances with different underlying distributions based on the cost of frequent device-cloud communication. Despite promising, we argue that most of the communications are unnecessary to request the new parameters of the recommendation system on the cloud since the on-device data distribution are not always changing. To alleviate this issue, we designed a Intelligent DEvice-Cloud PArameter Request ModeL (IDEAL) that can be deployed on the device to calculate the request revenue with low resource consumption, so as to ensure the adaptive device-cloud communication with high revenue. We envision a new device intelligence learning task to implement IDEAL by detecting the data out-of-domain. Moreover, we map the user's real-time behavior to a normal distribution, the uncertainty is calculated by the multi-sampling outputs to measure the generalization ability of the device model to the current user behavior. Our experimental study demonstrates IDEAL's effectiveness and generalizability on four public benchmarks, which yield a higher efficient device-cloud collaborative and dynamic recommendation paradigm.
• Abstract（参考訳）: 情報爆発問題を解決するためのレコメンデーションシステムは、様々なオンラインアプリケーションのユーザエクスペリエンスを向上させる大きな可能性を秘めている。 (i)コラボレーテーション: デバイスクラウドコラボレーティブレコメンデーション(コラボレーティブレコメンデーション)に対して,オンクラウド(分離学習)でトレーニングされたシングルサイドモデル。 (ii)リアルタイム動的:ネットワークパラメータは全てのインスタンス(静的モデル)で同じであり、リアルタイムインスタンス(動的モデル)で条件付けられた適応型ネットワークパラメータを生成する。 前述の2つのトレンドは、デバイスとクラウドのコラボレーティブとダイナミックなレコメンデーションを可能にする。これは、クラウドデバイスデータ間のレコメンデーションパターンを深く活用し、デバイスとクラウドの頻繁な通信のコストに基づいて、異なる下位ディストリビューションのインスタンスを効率的にキャラクタリングする。 将来性はあるものの,デバイス上のデータ分布が常に変化しているとは限らないため,クラウド上でのレコメンデーションシステムの新たなパラメータ要求は不要である,と我々は主張する。 この問題を軽減するため、我々は、高収入で適応的なデバイス-クラウド通信を保証するため、デバイスに展開可能なIntelligent Device-Cloud PArameter Request ModeL(IDEAL)を設計した。 ドメイン外のデータを検出してIDEALを実装するための新しいデバイスインテリジェンス学習タスクを構想する。 さらに、ユーザのリアルタイム動作を正規分布にマッピングし、その不確実性をマルチサンプリング出力によって計算し、デバイスモデルの一般化能力を現在のユーザ動作に測定する。 実験により,IDEALの4つの公開ベンチマークにおける有効性と一般化性を示すとともに,より効率的なデバイスクラウド協調型動的レコメンデーションパラダイムが得られた。

関連論文リスト

• Continuous GNN-based Anomaly Detection on Edge using Efficient Adaptive Knowledge Graph Learning [4.479496001941191]
  ビデオ異常検出(VAD)は、インテリジェント監視、証拠調査、暴力検出などのアプリケーションにおいて重要なタスクである。 VADの従来のアプローチは、しばしば大規模で事前訓練されたモデルの微調整に依存しており、計算コストが高く、リアルタイムやリソース制約のある環境では実用的ではない。 本稿では,クラウド依存の限界を克服し,エッジデバイス上での連続KG適応を容易にする新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-13T22:55:45Z)
• Online Relational Inference for Evolving Multi-agent Interacting Systems [14.275434303742328]
  オンライン推論(ORI)は、マルチエージェントインタラクションシステムの進化において、隠れた相互作用グラフを効率的に識別するように設計されている。 固定トレーニングセットに依存する従来のオフラインメソッドとは異なり、ORIはオンラインバックプロパゲーションを採用し、新しいデータポイント毎にモデルを更新する。 重要な革新は、AdaRelationと呼ばれる新しい適応学習技術によって最適化されたトレーニング可能なパラメータとして、隣接行列を使用することである。
  論文  参考訳（メタデータ） (2024-11-03T05:43:55Z)
• A Recommendation Model Utilizing Separation Embedding and Self-Attention for Feature Mining [7.523158123940574]
  レコメンデーションシステムは、ユーザのニーズを満たすコンテンツをユーザに提供します。 従来のクリックスルーレート予測とTOP-Kレコメンデーションメカニズムはレコメンデーションのニーズを満たすことができない。 本稿では,ネットワーク間の分離に基づくレコメンデーションシステムモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-19T07:49:21Z)
• Revisiting Dynamic Evaluation: Online Adaptation for Large Language Models [88.47454470043552]
  我々は、動的評価(動的評価)としても知られる、テスト時の言語モデルのパラメータをオンラインで微調整する問題を考察する。 オンライン適応はパラメータを時間的に変化する状態に変換し、メモリを重み付けしたコンテキスト長拡張の形式を提供する。
  論文  参考訳（メタデータ） (2024-03-03T14:03:48Z)
• Ad-Rec: Advanced Feature Interactions to Address Covariate-Shifts in Recommendation Networks [2.016365643222463]
  データ分散のドリフトを処理し、ユーザの振る舞いの変化に適応するためには、クロスフィーチャー学習が不可欠だ。 この研究は、共変量シフトに対処する機能インタラクション技術を活用するネットワークであるAd-Recを導入している。 提案手法は,AUC(Area Under Curve)測定値により,モデル品質の向上,収束の促進,トレーニング時間短縮を実現する。
  論文  参考訳（メタデータ） (2023-08-28T21:08:06Z)
• Towards a Better Theoretical Understanding of Independent Subnetwork Training [56.24689348875711]
  独立サブネットワークトレーニング(IST)の理論的考察 ISTは、上記の問題を解決するための、最近提案され、非常に効果的である。 圧縮通信を用いた分散手法など,ISTと代替手法の基本的な違いを同定する。
  論文  参考訳（メタデータ） (2023-06-28T18:14:22Z)
• Personalizing Federated Learning with Over-the-Air Computations [84.8089761800994]
  フェデレートされたエッジ学習は、プライバシー保護の方法で無線ネットワークのエッジにインテリジェンスをデプロイする、有望な技術である。 このような設定の下で、複数のクライアントは、エッジサーバの調整の下でグローバルジェネリックモデルを協調的にトレーニングする。 本稿では,アナログオーバー・ザ・エア計算を用いて通信ボトルネックに対処する分散トレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-02-24T08:41:19Z)
• Augmented Bilinear Network for Incremental Multi-Stock Time-Series Classification [83.23129279407271]
  本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。 本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。 この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
  論文  参考訳（メタデータ） (2022-07-23T18:54:10Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• Probabilistic Case-based Reasoning for Open-World Knowledge Graph Completion [59.549664231655726]
  ケースベース推論(CBR)システムは,与えられた問題に類似した事例を検索することで,新たな問題を解決する。 本稿では,知識ベース(KB)の推論において,そのようなシステムが実現可能であることを示す。 提案手法は,KB内の類似エンティティからの推論パスを収集することにより,エンティティの属性を予測する。
  論文  参考訳（メタデータ） (2020-10-07T17:48:12Z)

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。