論文の概要: Audience Expansion for Multi-show Release Based on an Edge-prompted
Heterogeneous Graph Network
- arxiv url: http://arxiv.org/abs/2304.05474v1
- Date: Sat, 8 Apr 2023 15:14:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 16:54:48.736951
- Title: Audience Expansion for Multi-show Release Based on an Edge-prompted
Heterogeneous Graph Network
- Title（参考訳）: Edge-prompted Heterogeneous Graph Networkに基づくマルチショー公開のためのオーディエンス拡張
- Authors: Kai Song, Shaofeng Wang, Ziwei Xie, Shanyu Wang, Jiahong Li, Yongqiang
Yang
- Abstract要約: エッジプロンプト不均質グラフネットワークに基づく2段階のオーディエンス拡張スキームを提案する。
オフラインの段階では、グラフを構築するために、ユーザIDと番組の特定のサイド情報の組み合わせがノードとして選択される。
オンライン段階では、クリック/ビューユーザを含む後続データをシードとして使用して、類似ユーザを探す。
- 参考スコア（独自算出の注目度）: 5.8720142291102135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the user targeting and expanding of new shows on a video platform, the key
point is how their embeddings are generated. It's supposed to be personalized
from the perspective of both users and shows. Furthermore, the pursue of both
instant (click) and long-time (view time) rewards, and the cold-start problem
for new shows bring additional challenges. Such a problem is suitable for
processing by heterogeneous graph models, because of the natural graph
structure of data. But real-world networks usually have billions of nodes and
various types of edges. Few existing methods focus on handling large-scale data
and exploiting different types of edges, especially the latter. In this paper,
we propose a two-stage audience expansion scheme based on an edge-prompted
heterogeneous graph network which can take different double-sided interactions
and features into account. In the offline stage, to construct the graph, user
IDs and specific side information combinations of the shows are chosen to be
the nodes, and click/co-click relations and view time are used to build the
edges. Embeddings and clustered user groups are then calculated. When new shows
arrive, their embeddings and subsequent matching users can be produced within a
consistent space. In the online stage, posterior data including click/view
users are employed as seeds to look for similar users. The results on the
public datasets and our billion-scale data demonstrate the accuracy and
efficiency of our approach.
- Abstract（参考訳）: ビデオプラットフォーム上での新規番組のターゲティングと拡大を行うユーザにとって重要なのは、埋め込みの生成方法だ。
ユーザーと番組の両方の観点からパーソナライズされていなければならない。
さらに、インスタント(クリック)とロングタイム(ビュータイム)の両方の報酬を追求し、新しいショーのコールドスタート問題は追加の課題をもたらす。
このような問題は、データの自然なグラフ構造のため、異種グラフモデルによる処理に適している。
しかし、現実世界のネットワークは通常数十億のノードとさまざまな種類のエッジを持っている。
大規模データの処理と異なるタイプのエッジ、特に後者の利用に重点を置く方法はほとんどない。
本稿では,両面の相互作用や特徴を考慮に入れたエッジプロンプト不均一グラフネットワークに基づく2段階のオーディエンス拡張手法を提案する。
オフラインステージでは、グラフを構築するために、ユーザidとショーの特定のサイド情報の組み合わせをノードとして選択し、エッジ構築にはクリック/クリック関係とビュー時間を使用する。
埋め込みとクラスタ化されたユーザグループを計算します。
新しいショーが到着すると、それらの埋め込みとその後のマッチングユーザは一貫した空間内で作成できる。
オンライン段階では、クリック/ビューユーザを含む後続データをシードとして使用して、類似ユーザを探す。
公開データセットと数十億規模のデータの結果は、我々のアプローチの正確性と効率を示している。
関連論文リスト
- InstructG2I: Synthesizing Images from Multimodal Attributed Graphs [50.852150521561676]
InstructG2Iと呼ばれるグラフ文脈条件拡散モデルを提案する。
InstructG2Iはまずグラフ構造とマルチモーダル情報を利用して情報的隣人サンプリングを行う。
Graph-QFormerエンコーダは、グラフノードをグラフプロンプトの補助セットに適応的に符号化し、デノナイジングプロセスを導く。
論文 参考訳（メタデータ） (2024-10-09T17:56:15Z) - OpenGraph: Towards Open Graph Foundation Models [20.401374302429627]
グラフニューラルネットワーク(GNN)は、構造情報を符号化するための有望な技術として登場した。
主な課題は、異なる性質を持つグラフデータを一般化することの難しさである。
この課題に対処するために,OpenGraphと呼ばれる新しいグラフ基盤モデルを提案する。
論文 参考訳（メタデータ） (2024-03-02T08:05:03Z) - Graph Mixture of Experts: Learning on Large-Scale Graphs with Explicit
Diversity Modeling [60.0185734837814]
グラフニューラルネットワーク(GNN)は、グラフデータからの学習に広く応用されている。
GNNの一般化能力を強化するため、グラフ強化のような技術を用いて、トレーニンググラフ構造を増強することが慣例となっている。
本研究では,GNNにMixture-of-Experts(MoE)の概念を導入する。
論文 参考訳（メタデータ） (2023-04-06T01:09:36Z) - DoubleH: Twitter User Stance Detection via Bipartite Graph Neural
Networks [9.350629400940493]
2020年の米国大統領選挙の大規模なデータセットをクロールし、手動でタグ付けされたハッシュタグによって、すべてのユーザーを自動的にラベル付けします。
本稿では,二部グラフニューラルネットワークモデルであるDoubleHを提案する。
論文 参考訳（メタデータ） (2023-01-20T19:20:10Z) - Modeling and Mining Multi-Aspect Graphs With Scalable Streaming Tensor
Decomposition [1.5609988622100528]
静的および動的マルチアスペクトグラフをマイニングするための新しい手法を提案する。
目標は、データのテンソル構造を利用して、ノード間のコヒーレントなコミュニティとパターンを特定することである。
グラフが動的に進化するにつれて、分解を再計算することなく、データのストリーミング更新を扱うことに重点を置いています。
論文 参考訳（メタデータ） (2022-10-10T02:26:00Z) - Evidential Temporal-aware Graph-based Social Event Detection via
Dempster-Shafer Theory [76.4580340399321]
ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。
ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。
ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
論文 参考訳（メタデータ） (2022-05-24T16:22:40Z) - Representing Videos as Discriminative Sub-graphs for Action Recognition [165.54738402505194]
ビデオ中の各アクションの識別パターンを表現およびエンコードするためのサブグラフの新たな設計を提案する。
時空グラフとクラスタを各スケールでコンパクトなサブグラフに新たに構築するMUlti-scale Sub-Earn Ling (MUSLE) フレームワークを提案する。
論文 参考訳（メタデータ） (2022-01-11T16:15:25Z) - Context-aware Heterogeneous Graph Attention Network for User Behavior
Prediction in Local Consumer Service Platform [8.30503479549857]
ローカルコンシューマサービスプラットフォームは、GrouponやKoubeiといった、近くの店や自宅へのサービスを利用するソフトウェアを提供する。
ローカルコンシューマサービスプラットフォーム上でのユーザの振る舞いは、リアルタイムなローカルコンテキスト情報と密接に関連している。
本稿では,ユーザの表現を生成し,将来の行動の確率を推定するために,コンテキスト対応の異種グラフアテンションネットワーク(CHGAT)を提案する。
論文 参考訳（メタデータ） (2021-06-24T03:08:21Z) - GraphMI: Extracting Private Graph Data from Graph Neural Networks [59.05178231559796]
GNNを反転させてトレーニンググラフのプライベートグラフデータを抽出することを目的とした textbfGraph textbfModel textbfInversion attack (GraphMI) を提案する。
具体的には,グラフ特徴の空間性と滑らかさを保ちながら,グラフエッジの離散性に対処する勾配モジュールを提案する。
エッジ推論のためのグラフトポロジ、ノード属性、ターゲットモデルパラメータを効率的に活用するグラフ自動エンコーダモジュールを設計する。
論文 参考訳（メタデータ） (2021-06-05T07:07:52Z) - Edge-Featured Graph Attention Network [7.0629162428807115]
エッジ機能付きグラフアテンションネットワーク(EGAT)を提案し、グラフニューラルネットワークの利用をノードとエッジの両方の特徴を持つグラフ上で学習するタスクに拡張する。
モデル構造と学習プロセスを改革することにより、新しいモデルはノードとエッジの機能を入力として受け入れ、エッジ情報を機能表現に組み込むことができ、ノードとエッジの機能を並列かつ相互に反復することができる。
論文 参考訳（メタデータ） (2021-01-19T15:08:12Z) - Exploiting Heterogeneous Graph Neural Networks with Latent Worker/Task
Correlation Information for Label Aggregation in Crowdsourcing [72.34616482076572]
クラウドソーシングは専門家ではなく、専門家でない労働者からラベルを集めるのに便利であることから、多くの注目を集めている。
群集ラベルを集約するグラフニューラルネットワークに基づく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） (2020-10-25T10:12:37Z)
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。