論文の概要: Pseudo Session-Based Recommendation with Hierarchical Embedding and
Session Attributes
- arxiv url: http://arxiv.org/abs/2306.10029v2
- Date: Sun, 6 Aug 2023 02:27:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 22:29:57.232628
- Title: Pseudo Session-Based Recommendation with Hierarchical Embedding and
Session Attributes
- Title（参考訳）: 階層埋め込みとセッション属性を用いた擬似セッションベースレコメンデーション
- Authors: Yuta Sumiya, Ryusei Numata, Satoshi Takahashi
- Abstract要約: 我々は、CoHHGN+と呼ばれる、同時誘導ヘテロジニアスハイパーグラフとグローバルグラフネットワークを備えたSBRを提案する。
その結果,我々のCoHHGN+は,他の方法よりも高い性能の商品を推薦できることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, electronic commerce (EC) websites have been unable to provide an
identification number (user ID) for each transaction data entry because of
privacy issues. Because most recommendation methods assume that all data are
assigned a user ID, they cannot be applied to the data without user IDs.
Recently, session-based recommendation (SBR) based on session information,
which is short-term behavioral information of users, has been studied. A
general SBR uses only information about the item of interest to make a
recommendation (e.g., item ID for an EC site). Particularly in the case of EC
sites, the data recorded include the name of the item being purchased, the
price of the item, the category hierarchy, and the gender and region of the
user. In this study, we define a pseudo--session for the purchase history data
of an EC site without user IDs and session IDs. Finally, we propose an SBR with
a co-guided heterogeneous hypergraph and globalgraph network plus, called
CoHHGN+. The results show that our CoHHGN+ can recommend items with higher
performance than other methods.
- Abstract（参考訳）: 近年,電子商取引(EC)のWebサイトは,プライバシの問題により,各取引データエントリに対して識別番号(ユーザID)を提供できなかった。
ほとんどのレコメンデーションメソッドは、すべてのデータがユーザIDに割り当てられていると仮定するため、ユーザIDなしではデータに適用できない。
近年,ユーザの短期行動情報であるセッション情報に基づくセッションベースレコメンデーション(SBR)が研究されている。
一般的なSBRは、関心のある項目に関する情報のみを使用してレコメンデーションを行う(ECサイトのアイテムIDなど)。
特にECサイトの場合、記録されているデータには、購入された商品の名前、アイテムの価格、カテゴリ階層、ユーザの性別と地域が含まれている。
本研究では,ユーザIDやセッションIDを使わずにECサイトの購入履歴データに対する擬似セッションを定義する。
最後に,コグニティブなヘテロジニアスハイパーグラフとグローバルグラフネットワークを備えたSBRを提案する。
その結果,我々のCoHHGN+は,他の方法よりも高い性能の商品を推薦できることがわかった。
関連論文リスト
- ID-centric Pre-training for Recommendation [51.72177873832969]
IDの埋め込みは、新しいドメインに移すことが難しい。
ID埋め込みにおける行動情報は、まだPLMベースのレコメンデーションモデルで支配的であることが証明されている。
本稿では,事前学習ドメインで学習した情報型ID埋め込みを新しいドメインの項目表現に直接転送する,新しいID中心の事前学習パラダイムを提案する。
論文 参考訳（メタデータ） (2024-05-06T15:34:31Z) - Enhancing User Intent Capture in Session-Based Recommendation with
Attribute Patterns [77.19390850643944]
周波数属性パターン拡張変換器(FAPAT)を提案する。
FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。
FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
論文 参考訳（メタデータ） (2023-12-23T03:28:18Z) - Context-aware Session-based Recommendation with Graph Neural Networks [6.825493772727133]
グラフニューラルネットワークを用いた新しいコンテキスト認識セッションベースレコメンデーションモデルであるCARESを提案する。
まず,マルチリレーショナル・クロスセッショングラフを構築し,アイテム内およびクロスセッション・アイテムレベルのコンテキストに応じてアイテムを接続する。
ユーザの興味の変動をエンコードするために、パーソナライズされたアイテム表現を設計する。
論文 参考訳（メタデータ） (2023-10-14T14:29:52Z) - Multi-task Item-attribute Graph Pre-training for Strict Cold-start Item
Recommendation [71.5871100348448]
ColdGPTは、アイテム内容からきめ細かい属性を抽出することにより、アイテム属性相関をアイテム属性グラフにモデル化する。
ColdGPTは、さまざまな利用可能なデータソース、すなわちアイテムの内容、過去の購入シーケンス、既存のアイテムのレビューテキストから、知識をアイテム属性グラフに転送する。
大規模な実験により、ColdGPTは既存のSCSレコメンデーターを大きなマージンで一貫して上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-06-26T07:04:47Z) - Learning Similarity among Users for Personalized Session-Based
Recommendation from hierarchical structure of User-Session-Item [3.2872586139884623]
我々は,世界規模の歴史的セッションをモデル化するためのUSP-SBR (abbr. of User similarity Powered - Session Based Recommender)を提案する。
これらのユーザグラフにグラフニューラルネットワークを適用し,ノードを更新する。
2つの実世界のデータセットに対する実験結果から,本手法は最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-06-05T17:03:10Z) - Recommender Systems with Generative Retrieval [58.454606442670034]
本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。
そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。
提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
論文 参考訳（メタデータ） (2023-05-08T21:48:17Z) - Price DOES Matter! Modeling Price and Interest Preferences in
Session-based Recommendation [55.0391061198924]
セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。
セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。
セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
論文 参考訳（メタデータ） (2022-05-09T10:47:15Z) - G$^3$SR: Global Graph Guided Session-based Recommendation [116.38098186755029]
セッションベースのレコメンデーションは、匿名セッションデータを使用して高品質なレコメンデーションを提供しようとします。
G$3$SR (Global Graph Guided Session-based Recommendation)はセッションベースのレコメンデーションワークフローを2つのステップに分割する。
2つの実世界のベンチマークデータセットの実験は、最先端の手法よりもG$3$SR法の顕著で一貫した改善を示している。
論文 参考訳（メタデータ） (2022-03-12T15:44:03Z) - FINN.no Slates Dataset: A new Sequential Dataset Logging Interactions,
allViewed Items and Click Responses/No-Click for Recommender Systems Research [4.792216056979392]
本稿では,ユーザとオンラインマーケットプレース間の逐次的なインタラクションを記録する,新たなレコメンデータシステムデータセットを提案する。
データセットには、各ラウンドで提示されたスレート、ユーザがこれらのアイテムをクリックしたかどうか、ユーザがクリックしたアイテムが含まれている。
論文 参考訳（メタデータ） (2021-11-05T09:21:58Z) - SR-HetGNN:Session-based Recommendation with Heterogeneous Graph Neural
Network [20.82060191403763]
セッションベースレコメンデーションシステムは、前のセッションシーケンスに基づいて、ユーザの次のクリックを予測することを目的としている。
セッション埋め込みを学習するために異種グラフニューラルネットワーク(HetGNN)を用いたセッション推薦手法SR-HetGNNを提案する。
SR-HetGNNは、DigineticaとTmallの2つの実際の大規模データセットに対する広範な実験を通じて、既存の最先端セッションベースのレコメンデーション手法よりも優れていることが示されている。
論文 参考訳（メタデータ） (2021-08-12T10:12:48Z) - Unsupervised Proxy Selection for Session-based Recommender Systems [15.930016839929047]
セッションベースのレコメンダシステム(SRS)は、匿名のショートアイテムシーケンス(セッション)の次の項目を推奨するために活発に開発されている。
ユーザの短期的関心と一般的関心の両方をモデル化するために,各ユーザのインタラクションシーケンス全体を使用可能なシーケンス認識レコメンデータシステムとは異なり,SRSにおけるユーザ依存情報の欠如は,ユーザの一般的関心を直接データから引き出すのを困難にしている。
既存のSRSはセッション内の短期的関心に関する情報を効果的にモデル化する方法に重点を置いているが、一般的な関心を捉えるには不十分である。
論文 参考訳（メタデータ） (2021-07-08T02:03:06Z)
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。