論文の概要: Semi-decentralized Federated Ego Graph Learning for Recommendation
- arxiv url: http://arxiv.org/abs/2302.10900v1
- Date: Fri, 10 Feb 2023 03:57:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 13:40:13.126343
- Title: Semi-decentralized Federated Ego Graph Learning for Recommendation
- Title（参考訳）: 推薦のための半分散フェデレーションEgoグラフ学習
- Authors: Liang Qu, Ningzhi Tang, Ruiqi Zheng, Quoc Viet Hung Nguyen, Zi Huang,
Yuhui Shi, Hongzhi Yin
- Abstract要約: デバイス上でのレコメンデーションのための半分散型フェデレーションエゴグラフ学習フレームワークであるSemiDFEGLを提案する。
提案するフレームワークはモデルに依存しないため、既存のグラフニューラルネットワークベースのレコメンデーションメソッドやプライバシ保護技術とシームレスに統合できる。
- 参考スコア（独自算出の注目度）: 58.21409625065663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Collaborative filtering (CF) based recommender systems are typically trained
based on personal interaction data (e.g., clicks and purchases) that could be
naturally represented as ego graphs. However, most existing recommendation
methods collect these ego graphs from all users to compose a global graph to
obtain high-order collaborative information between users and items, and these
centralized CF recommendation methods inevitably lead to a high risk of user
privacy leakage. Although recently proposed federated recommendation systems
can mitigate the privacy problem, they either restrict the on-device local
training to an isolated ego graph or rely on an additional third-party server
to access other ego graphs resulting in a cumbersome pipeline, which is hard to
work in practice. In addition, existing federated recommendation systems
require resource-limited devices to maintain the entire embedding tables
resulting in high communication costs.
In light of this, we propose a semi-decentralized federated ego graph
learning framework for on-device recommendations, named SemiDFEGL, which
introduces new device-to-device collaborations to improve scalability and
reduce communication costs and innovatively utilizes predicted interacted item
nodes to connect isolated ego graphs to augment local subgraphs such that the
high-order user-item collaborative information could be used in a
privacy-preserving manner. Furthermore, the proposed framework is
model-agnostic, meaning that it could be seamlessly integrated with existing
graph neural network-based recommendation methods and privacy protection
techniques. To validate the effectiveness of the proposed SemiDFEGL, extensive
experiments are conducted on three public datasets, and the results demonstrate
the superiority of the proposed SemiDFEGL compared to other federated
recommendation methods.
- Abstract（参考訳）: CF(Collaborative Filtering)ベースのレコメンダシステムは一般的に、egoグラフとして自然に表現できる個人間相互作用データ(例えばクリックと購入)に基づいて訓練される。
しかし、既存のリコメンデーション手法の多くは、これらのエゴグラフを全ユーザから収集して、ユーザとアイテム間の高次協調情報を得るためにグローバルグラフを構成するものであり、これらの集中型CFレコメンデーション手法は、ユーザプライバシリークのリスクを必然的に高める。
最近提案された連合レコメンデーションシステムは、プライバシの問題を軽減することができるが、デバイス上のローカルトレーニングを孤立したegoグラフに制限するか、他のegoグラフにアクセスするために追加のサードパーティサーバに頼るかのどちらかで、実際には動作が難しい。
さらに、既存のフェデレーションレコメンデーションシステムは、組み込みテーブル全体を維持するためにリソース制限のデバイスを必要とするため、通信コストが高い。
これを踏まえて,デバイス上でのレコメンデーションを行うための半分散型egoグラフ学習フレームワークであるsemidfeglを提案する。semidfeglは,スケーラビリティの向上と通信コストの削減を目的とした,新たなデバイス間コラボレーションを導入している。
さらに、提案するフレームワークはモデルに依存しないため、既存のグラフニューラルネットワークベースのレコメンデーションメソッドやプライバシ保護技術とシームレスに統合できる。
提案手法の有効性を検証するため,3つの公開データセットに対して広範囲な実験を行い,提案手法が他のフェデレーションレコメンデーション手法よりも優れていることを示す。
関連論文リスト
- Efficient and Robust Regularized Federated Recommendation [52.24782464815489]
推薦システム(RSRS)は、ユーザの好みとプライバシの両方に対処する。
通信効率を向上させるために,非一様勾配勾配勾配を取り入れた新しい手法を提案する。
RFRecFの強靭性は、多様なベースラインに比べて優れている。
論文 参考訳（メタデータ） (2024-11-03T12:10:20Z) - FedRKG: A Privacy-preserving Federated Recommendation Framework via
Knowledge Graph Enhancement [20.214339212091012]
フェデレートラーニング(FL)は、リコメンデーションシステムでデータプライバシをローカルにトレーニングする上で有望なアプローチとして登場した。
最近のグラフニューラルネットワーク(GNN)は、ユーザとアイテム間の高次インタラクションをキャプチャできるため、リコメンデーションタスクで人気を集めている。
本稿では,グローバル知識グラフ(KG)を構築・維持する新しいフェデレーションレコメンデーションシステムであるFedRKGを提案する。
論文 参考訳（メタデータ） (2024-01-20T02:38:21Z) - Preference and Concurrence Aware Bayesian Graph Neural Networks for
Recommender Systems [5.465420718331109]
グラフベースのコラボレーティブフィルタリング手法はレコメンダシステムの性能向上に寄与した。
本稿では,ユーザの好みや項目の一致,重要なグラフ構造情報などを共同で検討する効率的な生成モデルを提案する。
論文 参考訳（メタデータ） (2023-11-30T11:49:33Z) - APGL4SR: A Generic Framework with Adaptive and Personalized Global
Collaborative Information in Sequential Recommendation [86.29366168836141]
逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。
APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。
一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
論文 参考訳（メタデータ） (2023-11-06T01:33:24Z) - Vertical Federated Graph Neural Network for Recommender System [1.7802147489386633]
グラフニューラルネットワーク(GNN)は、フェデレーションレコメンデータシステムにとって有望なアプローチになりつつある。
本研究は, VerFedGNN と呼ばれる垂直結合型 GNN ベースのリコメンデータシステムを提案する。
論文 参考訳（メタデータ） (2023-03-10T08:39:26Z) - FedGRec: Federated Graph Recommender System with Lazy Update of Latent
Embeddings [108.77460689459247]
プライバシー問題を軽減するためのフェデレートグラフレコメンダシステム(FedGRec)を提案する。
本システムでは,ユーザとサーバは,ユーザとアイテムに対する遅延埋め込みを明示的に記憶する。
我々は,遅延埋め込みを相互作用グラフの欠落のプロキシとして用いることの有効性を検証するために,広範な実験的な評価を行った。
論文 参考訳（メタデータ） (2022-10-25T01:08:20Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳（メタデータ） (2022-10-22T17:29:34Z) - Self-Supervised Hypergraph Transformer for Recommender Systems [25.07482350586435]
自己監督型ハイパーグラフ変換器(SHT)
自己監督型ハイパーグラフ変換器(SHT)
ユーザ-テム相互作用グラフ上のデータ拡張のために,クロスビュー生成型自己教師型学習コンポーネントを提案する。
論文 参考訳（メタデータ） (2022-07-28T18:40:30Z) - Decentralized Collaborative Learning Framework for Next POI
Recommendation [39.65626819903099]
Next Point-of-Interest (POI)レコメンデーションは位置情報ベースのソーシャルネットワーク(LBSN)において必須の機能となっている。
正確なレコメンデーションには、膨大な量の履歴チェックインデータが必要であるため、位置情報に敏感なデータをクラウドサーバで処理する必要があるため、ユーザのプライバシを脅かすことになる。
本稿では,POIレコメンデーション(DCLR)のための分散協調学習フレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-30T11:00:11Z) - Federated Social Recommendation with Graph Neural Network [69.36135187771929]
本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。
我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
論文 参考訳（メタデータ） (2021-11-21T09:41:39Z)
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。