論文の概要: STUDY: Socially Aware Temporally Casual Decoder Recommender Systems

• arxiv url: http://arxiv.org/abs/2306.07946v1
• Date: Fri, 2 Jun 2023 14:47:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-18 12:32:45.719099
• Title: STUDY: Socially Aware Temporally Casual Decoder Recommender Systems
• Title（参考訳）: 社会的に認識された時間的カジュアルデコーダ推薦システムに関する研究
• Authors: Eltayeb Ahmed, Diana Mincu, Lauren Harrell, Katherine Heller, Subhrajit Roy
• Abstract要約: 社会的に認知された一時的カウサルデコーダ推薦者sYstems (STUDY) 変圧器デコーダネットワークの1つのフォワードパスを用いて、ソーシャルネットワークグラフに隣接しているユーザのグループに対する共同推論を行う。 本手法は,データ内のすべてのインタラクションをモデル化する単一同種ネットワークの設計単純さを維持しながら,社会的手法とシーケンシャル手法の両方に優れる。
• 参考スコア（独自算出の注目度）: 1.53980836271529
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the overwhelming amount of data available both on and offline today, recommender systems have become much needed to help users find items tailored to their interests. When social network information exists there are methods that utilize this information to make better recommendations, however the methods are often clunky with complex architectures and training procedures. Furthermore many of the existing methods utilize graph neural networks which are notoriously difficult to train. To address this, we propose Socially-aware Temporally caUsal Decoder recommender sYstems (STUDY). STUDY does joint inference over groups of users who are adjacent in the social network graph using a single forward pass of a modified transformer decoder network. We test our method in a school-based educational content setting, using classroom structure to define social networks. Our method outperforms both social and sequential methods while maintaining the design simplicity of a single homogeneous network that models all interactions in the data. We also carry out ablation studies to understand the drivers of our performance gains and find that our model depends on leveraging a social network structure that effectively models the similarities in user behavior.
• Abstract（参考訳）: 今日、オンラインとオフラインの両方で利用可能なデータ量が圧倒的に多いため、リコメンダシステムは、ユーザーが興味をそそるアイテムを見つけるのを助けるために大いに必要になっている。 ソーシャルネットワーク情報が存在する場合には、この情報を利用してより良いレコメンデーションを行う方法があるが、複雑なアーキテクチャやトレーニング手順に悩まされることが多い。 さらに、既存の手法の多くは、訓練が難しいと悪名高いグラフニューラルネットワークを使用している。 そこで本稿では,社会的に意識した時間的カウスアルデコーダレコメンダsYstems (STUDY)を提案する。 変圧器デコーダネットワークの1つのフォワードパスを用いて、ソーシャルネットワークグラフに隣接しているユーザのグループに対する共同推論を行う。 本手法は,教室構造を用いてネットワークを定義できる教育用コンテンツセットでテストする。 提案手法は,データ内のすべてのインタラクションをモデル化する単一均質ネットワークの設計をシンプルに保ちながら,ソーシャルメソッドとシーケンシャルメソッドを両立させる。 また,ユーザ行動の類似性を効果的にモデル化するソーシャルネットワーク構造を活用することにより,パフォーマンス向上の要因を理解するためのアブレーション研究を実施している。

関連論文リスト

• Deep Adaptive Interest Network: Personalized Recommendation with Context-Aware Learning [0.3495246564946556]
  本稿では,Deep Adaptive Interest Network(DAIN)と呼ばれる新しいモデルを提案する。 DAINはユーザの興味を動的にモデル化し、コンテキスト認識学習機構を導入し、正確で適応的なパーソナライズされたレコメンデーションを実現する。 いくつかの公開データセットで実施された実験は、DAINが推奨性能と計算効率の両方で優れていることを示した。
  論文  参考訳（メタデータ） (2024-09-04T04:12:22Z)
• Use of recommendation models to provide support to dyslexic students [0.0]
  本研究は, ディプレックス学生に最も適した支援ツールとして, AIを活用する可能性について検討した。 我々は,3つの協調フィルタリング推薦モデルを訓練し,1237名の学生の大規模データベース上で実験を行った。 その結果,レコメンデーションシステムは,全員に最適なヘルプツールや戦略を提案する上で極めて有効であることがわかった。
  論文  参考訳（メタデータ） (2024-03-18T12:12:38Z)
• Exploring Machine Learning Models for Federated Learning: A Review of Approaches, Performance, and Limitations [1.1060425537315088]
  フェデレートラーニング(Federated Learning)は、個人のデータのプライバシを保護するために強化された分散学習フレームワークである。 危機時には、リアルタイムな意思決定が重要である場合、フェデレートされた学習は、機密データを共有せずに複数のエンティティをまとめて機能させることができる。 本稿では,ここ数年のプライバシ保護機械学習に関する文献を体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-17T19:23:21Z)
• Embedding in Recommender Systems: A Survey [67.67966158305603]
  重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。 埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。 この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
  論文  参考訳（メタデータ） (2023-10-28T06:31:06Z)
• Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
  本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。 提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
  論文  参考訳（メタデータ） (2022-09-08T09:13:07Z)
• Propagation-aware Social Recommendation by Transfer Learning [0.0]
  本稿では,社会関係の伝播に基づくトランスファーラーニングネットワークを提案する。 a) 上位の友人は、順序バイアスによって考慮され、b) 同じ順序の異なる友人は、注意機構による推薦において、明確な重要性を持つ。
  論文  参考訳（メタデータ） (2021-07-10T14:21:27Z)
• KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
  KnowledgeCheckRに統合された推奨アプローチの概要を提供します。 その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
  論文  参考訳（メタデータ） (2021-02-15T20:06:28Z)
• Generative Inverse Deep Reinforcement Learning for Online Recommendation [62.09946317831129]
  オンラインレコメンデーションのための新しい逆強化学習手法InvRecを提案する。 InvRecは、オンラインレコメンデーションのために、ユーザの行動から報酬関数を自動的に抽出する。
  論文  参考訳（メタデータ） (2020-11-04T12:12:25Z)
• A Deep Hybrid Model for Recommendation Systems [0.0]
  我々は,ID埋め込みだけでなく,求人情報の特徴や求人システム候補などの補助情報も含む新しいディープニューラルネットワークアーキテクチャを提案する。 ジョブサイトからのデータセットに対する実験結果から,提案手法は,ID埋め込みを用いたディープラーニングモデルよりも推奨結果を改善することが示された。
  論文  参考訳（メタデータ） (2020-09-21T10:41:28Z)
• Knowledge-guided Deep Reinforcement Learning for Interactive Recommendation [49.32287384774351]
  インタラクティブレコメンデーションは、アイテムとユーザ間の動的インタラクションから学び、応答性と精度を達成することを目的としている。 本稿では,知識指導型深層強化学習を提案する。
  論文  参考訳（メタデータ） (2020-04-17T05:26:47Z)
• A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)

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。