論文の概要: Triple Structural Information Modelling for Accurate, Explainable and Interactive Recommendation

• arxiv url: http://arxiv.org/abs/2304.11528v1
• Date: Sun, 23 Apr 2023 04:00:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 17:50:46.534895
• Title: Triple Structural Information Modelling for Accurate, Explainable and Interactive Recommendation
• Title（参考訳）: 正確な説明可能な対話型推薦のための3つの構造情報モデリング
• Authors: Jiahao Liu, Dongsheng Li, Hansu Gu, Tun Lu, Peng Zhang, Li Shang and Ning Gu
• Abstract要約: TriSIM4Recは、動的相互作用グラフの正確で説明可能なインタラクティブなレコメンデーションのための3重構造情報モデリング手法である。 SVDと最近登場したグラフ信号処理(GSP)の協調フィルタリング手法の関係を解析した結果,SVDの本質は理想的な低域グラフフィルタであることが判明した。 6つの公開データセットの実験では、正確性、説明可能性、相互作用性においてTriSIM4Recの有効性が示された。
• 参考スコア（独自算出の注目度）: 18.332954609722805
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In dynamic interaction graphs, user-item interactions usually follow heterogeneous patterns, represented by different structural information, such as user-item co-occurrence, sequential information of user interactions and the transition probabilities of item pairs. However, the existing methods cannot simultaneously leverage all three structural information, resulting in suboptimal performance. To this end, we propose TriSIM4Rec, a triple structural information modeling method for accurate, explainable and interactive recommendation on dynamic interaction graphs. Specifically, TriSIM4Rec consists of 1) a dynamic ideal low-pass graph filter to dynamically mine co-occurrence information in user-item interactions, which is implemented by incremental singular value decomposition (SVD); 2) a parameter-free attention module to capture sequential information of user interactions effectively and efficiently; and 3) an item transition matrix to store the transition probabilities of item pairs. Then, we fuse the predictions from the triple structural information sources to obtain the final recommendation results. By analyzing the relationship between the SVD-based and the recently emerging graph signal processing (GSP)-based collaborative filtering methods, we find that the essence of SVD is an ideal low-pass graph filter, so that the interest vector space in TriSIM4Rec can be extended to achieve explainable and interactive recommendation, making it possible for users to actively break through the information cocoons. Experiments on six public datasets demonstrated the effectiveness of TriSIM4Rec in accuracy, explainability and interactivity.
• Abstract（参考訳）: 動的相互作用グラフでは、ユーザ-itemの相互作用は、通常、ユーザ-itemの共起、ユーザインタラクションのシーケンシャルな情報、アイテムペアの遷移確率など、異なる構造情報で表される異種パターンに従う。 しかし,既存の手法では3つの構造情報を同時に活用することはできない。 そこで本研究では,動的相互作用グラフの精度,説明性,インタラクティブな3重構造情報モデリング手法であるTriSIM4Recを提案する。 具体的には、TriSIM4Recは 1) インクリメンタル特異値分解(SVD)により実装されたユーザ・イテム相互作用における共起情報を動的にマイニングする動的イデアルローパスグラフフィルタ。 2) ユーザインタラクションのシーケンシャル情報を効果的かつ効率的に取得するパラメータフリーアテンションモジュール 3)アイテムの遷移行列は、アイテムペアの遷移確率を保存する。 そして、3つの構造情報ソースからの予測を融合させ、最終的な推薦結果を得る。 SVDベースと最近登場したグラフ信号処理(GSP)ベースの協調フィルタリング手法の関係を解析することにより,SVDの本質は理想的な低域グラフフィルタであり,TriSIM4Recの関心ベクトル空間を拡張して説明可能な対話的なレコメンデーションを実現し,ユーザが積極的に情報ココロンを分解できるようにする。 6つの公開データセットの実験では、正確性、説明可能性、相互作用性においてTriSIM4Recの有効性が示された。

関連論文リスト

• VSFormer: Mining Correlations in Flexible View Set for Multi-view 3D Shape Understanding [9.048401253308123]
  本稿では,複数の視点に対するフレキシブルな組織と明示的な相関学習について検討する。 我々は,集合内のすべての要素の対関係と高次相関を明示的に捉えるために,emphVSFormerというニブルトランスフォーマーモデルを考案した。 ModelNet40、ScanObjectNN、RGBDなど、さまざまな3D認識データセットの最先端結果に到達している。
  論文  参考訳（メタデータ） (2024-09-14T01:48:54Z)
• S^2Former-OR: Single-Stage Bi-Modal Transformer for Scene Graph Generation in OR [50.435592120607815]
  外科手術のシーングラフ生成(SGG)は、手術室(OR)におけるホモロジー認知知能の増強に不可欠である これまでの研究は主に多段階学習に依存しており、生成したセマンティックシーングラフはポーズ推定とオブジェクト検出を伴う中間プロセスに依存している。 本研究では,S2Former-OR(S2Former-OR)と呼ばれるORにおけるSGGのための新しいシングルステージバイモーダルトランスフォーマフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-22T11:40:49Z)
• Zero-shot Composed Text-Image Retrieval [72.43790281036584]
  合成画像検索(CIR)の問題点を考察する。 テキストや画像などのマルチモーダル情報を融合し、クエリにマッチする画像を正確に検索し、ユーザの表現能力を拡張できるモデルをトレーニングすることを目的としている。
  論文  参考訳（メタデータ） (2023-06-12T17:56:01Z)
• Ret3D: Rethinking Object Relations for Efficient 3D Object Detection in Driving Scenes [82.4186966781934]
  Ret3Dと呼ばれるシンプルで効率的で効果的な2段階検出器を導入する。 Ret3Dの中核は、新しいフレーム内およびフレーム間関係モジュールの利用である。 無視できる余分なオーバーヘッドにより、Ret3Dは最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-08-18T03:48:58Z)
• Enhancing Sequential Recommendation with Graph Contrastive Learning [64.05023449355036]
  本稿では、逐次推薦のためのグラフコントラスト学習(GCL4SR)という、新しいシーケンシャルレコメンデーションフレームワークを提案する。 GCL4SRは、すべてのユーザのインタラクションシーケンスに基づいて構築された重み付きアイテム遷移グラフ(WITG)を使用して、各インタラクションのグローバルなコンテキスト情報を提供し、シーケンスデータのノイズ情報を弱める。 実世界のデータセットの実験では、GCL4SRは最先端のシーケンシャルレコメンデーションメソッドよりも一貫して優れていることが示されている。
  論文  参考訳（メタデータ） (2022-05-30T03:53:31Z)
• Graph Convolutional Embeddings for Recommender Systems [67.5973695167534]
  本研究では,N-Partiteグラフのユーザ-item-contextインタラクションを処理するグラフ畳み込み層を提案する。 より具体的には、ユーザ-item-contextインタラクションを処理するN-partiteグラフのグラフ畳み込み層を定義する。
  論文  参考訳（メタデータ） (2021-03-05T10:46:16Z)
• Dynamic Graph Collaborative Filtering [64.87765663208927]
  動的レコメンデーションは,逐次データに基づくリアルタイム予測を提供するレコメンデータシステムにとって不可欠である。 本稿では、動的グラフを利用して協調関係とシーケンシャル関係をキャプチャする新しいフレームワーク、Dynamic Graph Collaborative Filtering (DGCF)を提案する。 提案手法は, 動的協調情報の統合の有効性を示すため, 動作繰り返しの少ないデータセットでは高い性能を実現する。
  論文  参考訳（メタデータ） (2021-01-08T04:16:24Z)

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。