論文の概要: NFTs to MARS: Multi-Attention Recommender System for NFTs

• arxiv url: http://arxiv.org/abs/2306.10053v1
• Date: Tue, 13 Jun 2023 11:53:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-26 01:39:33.195059
• Title: NFTs to MARS: Multi-Attention Recommender System for NFTs
• Title（参考訳）: NFTからMARSへ:NFTのためのマルチアテンションレコメンダシステム
• Authors: Seonmi Kim, Youngbin Lee, Yejin Kim, Joohwan Hong, and Yongjae Lee
• Abstract要約: NFT(NFT-MARS)のためのマルチアテンションレコメンダシステムの開発 NFT-MARSには3つの重要な特徴がある: 疎密なユーザ-テムインタラクションを扱うグラフアテンション、ユーザの特徴的嗜好を取り入れるためのマルチモーダルアテンション、NFTの2つの性質をアートワークと金融資産の両方として考えるマルチタスク学習である。
• 参考スコア（独自算出の注目度）: 20.74874765792172
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recommender systems have become essential tools for enhancing user experiences across various domains. While extensive research has been conducted on recommender systems for movies, music, and e-commerce, the rapidly growing and economically significant Non-Fungible Token (NFT) market remains underexplored. The unique characteristics and increasing prominence of the NFT market highlight the importance of developing tailored recommender systems to cater to its specific needs and unlock its full potential. In this paper, we examine the distinctive characteristics of NFTs and propose the first recommender system specifically designed to address NFT market challenges. In specific, we develop a Multi-Attention Recommender System for NFTs (NFT-MARS) with three key characteristics: (1) graph attention to handle sparse user-item interactions, (2) multi-modal attention to incorporate feature preference of users, and (3) multi-task learning to consider the dual nature of NFTs as both artwork and financial assets. We demonstrate the effectiveness of NFT-MARS compared to various baseline models using the actual transaction data of NFTs collected directly from blockchain for four of the most popular NFT collections. The source code and data are available at https://anonymous.4open.science/r/RecSys2023-93ED.
• Abstract（参考訳）: レコメンダシステムは,様々なドメインにわたるユーザエクスペリエンス向上に不可欠なツールとなっている。 映画、音楽、電子商取引のレコメンデーターシステムについて広範な研究が行われてきたが、急速に成長し、経済的に重要なノンファンジブル・トークン(NFT)市場はいまだ探索されていない。 NFT市場の特徴と繁栄は、特定のニーズに対応し、その潜在能力を最大限に活用するために、カスタマイズされたレコメンドシステムを開発することの重要性を強調している。 本稿では,NFTの特長を考察し,NFT市場の課題に対処するために設計された最初のレコメンデータシステムを提案する。 具体的には,(1)ユーザとコンテンツの疎結合なインタラクションを扱うグラフ注意,(2)ユーザの特徴的嗜好を取り込むマルチモーダル注意,(3)nftの二重性を考慮したマルチタスク学習,の3つの特徴を持つnft(nft-mars)のためのマルチアテンションレコメンデーションシステムを開発した。 nft-marsの有効性を,ブロックチェーンから直接収集したnftのトランザクションデータを用いて様々なベースラインモデルと比較し,最も人気のあるnftコレクションの4つについて検証した。 ソースコードとデータはhttps://anonymous.4open.science/r/recsys2023-93edで入手できる。

関連論文リスト

• A Recommender System for NFT Collectibles with Item Feature [24.201581738408045]
  本稿では,さまざまなデータソースを用いて高精度なレコメンデーションを生成するNFTのためのレコメンデーションシステムを提案する。 本研究では,データ効率のよいグラフベースのレコメンデーションシステムを構築し,各項目とユーザ間の複雑な関係を効率的に把握する。
  論文  参考訳（メタデータ） (2024-03-27T06:59:39Z)
• Learning Profitable NFT Image Diffusions via Multiple Visual-Policy Guided Reinforcement Learning [69.60868581184366]
  NFT画像に対する報酬として,複数ビジュアルポリシーを用いた拡散型生成フレームワークを提案する。 提案するフレームワークは,大規模言語モデル (LLM) と拡散型画像生成装置,および設計による視覚的報酬からなる。 我々のフレームワークは、SOTAのアプローチと比較して、より視覚的に魅力的な要素と高い市場価値を示すNFT画像を生成することができる。
  論文  参考訳（メタデータ） (2023-06-20T17:59:46Z)
• NFTVis: Visual Analysis of NFT Performance [12.491701063977825]
  非ファンジブルトークン(英: non-fungible token、NFT)は、ブロックチェーンに格納されるデータユニットである。 現在の希少なモデルは欠陥があり、時には説得力がない。 包括的考察とNFT性能の効率的な分析は困難である。
  論文  参考訳（メタデータ） (2023-06-05T09:02:48Z)
• Show me your NFT and I tell you how it will perform: Multimodal representation learning for NFT selling price prediction [2.578242050187029]
  非Fungible Tokens(NFT)は、ブロックチェーン技術とスマートコントラクトに基づく、デジタルアートフォーム(アートワークやコレクションブルなど)上のユニークな暗号資産の所有権の行為を表す。 我々は,NFT画像とテキストのコレクション上に,グラフニューラルネットワークモデルとともにトランスフォーマーベースの言語と視覚モデルをトレーニングするために設計された,新しいマルチモーダルディープラーニングフレームワークであるMERLINを提案する。 MERLINの重要な側面は、NFTトレーディングに関心のあるユーザが処理したいプライマリデータのみを利用するため、金融機能に対する独立性である。
  論文  参考訳（メタデータ） (2023-02-03T11:56:38Z)
• Bubble or Not: Measurements, Analyses, and Findings on the Ethereum ERC721 and ERC1155 Non-fungible Token Ecosystem [22.010657813215413]
  NFTの時価総額は2021年に215億米ドルに達した。 2022年第2四半期のNFT市場の急激な下落は、NFT市場の目に見えるブームに疑問を呈している。 ブロックチェーン全体からデータを収集することにより、NFT生成グラフ、NFT転送グラフ、NFTホールドグラフという3つのグラフを構築し、NFTトレーダーを特徴付ける。 我々は,NFTの活性度と値の定量化のための新しい指標を提案し,インジケータとグラフ解析を組み合わせてバブルNFTを見つけるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-05T10:17:57Z)
• Probably Something: A Multi-Layer Taxonomy of Non-Fungible Tokens [62.997667081978825]
  非Fungible Tokens(NFT)は、メタバースの重要なビルディングブロックとして売り出されつつある。 本研究の目的は,分類学における共通の特徴を同定し,構造化することで,NFTの基本的かつ包括的理解を確立することである。
  論文  参考訳（メタデータ） (2022-08-29T18:00:30Z)
• An Analysis of the Features Considerable for NFT Recommendations [0.0]
  本研究は,NFT マーケットプレースと対話する人に NFT を推奨する方法について検討する。 その結果、分散化されたシステムと対話する際に、複数のRecommender Systemsを使用して可能な限り最高のNFTをユーザに提示する必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2022-05-01T12:11:17Z)
• Bilinear Input Normalization for Neural Networks in Financial Forecasting [101.89872650510074]
  本稿では,高頻度金融時系列を扱うディープニューラルネットワークのための新しいデータ駆動正規化手法を提案する。 提案手法は,財務時系列のバイモーダル特性を考慮したものである。 我々の実験は最先端のニューラルネットワークと高周波データを用いて行われ、他の正規化技術よりも大幅に改善された。
  論文  参考訳（メタデータ） (2021-09-01T07:52:03Z)
• Batch Normalization Increases Adversarial Vulnerability and Decreases Adversarial Transferability: A Non-Robust Feature Perspective [91.5105021619887]
  バッチ正規化(BN)は、現代のディープニューラルネットワーク(DNN)で広く使われている。 BNは、対向ロバスト性を犠牲にしてモデル精度を高めることが観察された。 BNが主にロバスト特徴(RF)と非ロバスト特徴(NRF)の学習を好んでいるかどうかは不明である。
  論文  参考訳（メタデータ） (2020-10-07T10:24:33Z)
• Modeling Personalized Item Frequency Information for Next-basket Recommendation [63.94555438898309]
  次世代レコメンデーション(NBR)は、電子商取引や小売業界で一般的である。 既存のRNNでは,レコメンデーションシナリオにおいて,アイテムの周波数情報を直接キャプチャすることはできない。 我々はこれらの臨界信号を直接利用する簡単なアイテム周波数に基づくk-nearest neighbors (kNN)法を提案する。
  論文  参考訳（メタデータ） (2020-05-31T16:42:39Z)
• The Microsoft Toolkit of Multi-Task Deep Neural Networks for Natural Language Understanding [97.85957811603251]
  MT-DNNはオープンソースの自然言語理解(NLU)ツールキットであり、研究者や開発者がカスタマイズされたディープラーニングモデルを訓練しやすくする。 PyTorchとTransformersをベースとして開発されたMT-DNNは、幅広いNLUタスクの迅速なカスタマイズを容易にするように設計されている。 MT-DNNのユニークな特徴は、対戦型マルチタスク学習パラダイムを用いた堅牢で移動可能な学習のサポートである。
  論文  参考訳（メタデータ） (2020-02-19T03:05:28Z)

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。