Fugu-MT 論文翻訳(概要): Of Spiky SVDs and Music Recommendation

論文の概要: Of Spiky SVDs and Music Recommendation

arxiv url: http://arxiv.org/abs/2307.01212v1
Date: Fri, 30 Jun 2023 15:19:33 GMT
ステータス: 処理完了
システム内更新日: 2023-07-09 13:42:06.747518
Title: Of Spiky SVDs and Music Recommendation
Title（参考訳）: スパイクSVDと音楽レコメンデーション
Authors: Darius Afchar, Romain Hennequin and Vincent Guigue
Abstract要約: 本稿では,多くのレコメンデーションデータセットに自然に現れる興味深い効果として,埋め込み空間におけるスパイク形成について考察する。まず,このスパイク組織の強みを定量化するための指標を提案し,その起源を様々な内部人気アイテムの根底にあるコミュニティに数学的に証明する。
参考スコア（独自算出の注目度）: 13.400413055847084
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The truncated singular value decomposition is a widely used methodology in music recommendation for direct similar-item retrieval or embedding musical items for downstream tasks. This paper investigates a curious effect that we show naturally occurring on many recommendation datasets: spiking formations in the embedding space. We first propose a metric to quantify this spiking organization's strength, then mathematically prove its origin tied to underlying communities of items of varying internal popularity. With this new-found theoretical understanding, we finally open the topic with an industrial use case of estimating how music embeddings' top-k similar items will change over time under the addition of data.
Abstract（参考訳）: 切り刻まれた特異値分解は、音楽レコメンデーションにおいて、直接類似点検索や下流タスクのための音楽アイテムの埋め込みに広く用いられている方法論である。本稿では,多くのレコメンデーションデータセットに自然に現れる興味深い効果として,埋め込み空間におけるスパイク形成について考察する。まず,このスパイク組織の強みを定量化するための指標を提案し,その起源を様々な内部人気アイテムの根底にあるコミュニティに数学的に証明する。この新たな理論的理解により、我々は最終的に、データの追加の下で音楽埋め込みのtop-k類似アイテムがどのように変化するかを推定する産業的なユースケースでそのトピックを開放する。

関連論文リスト

Enhancing Sequential Music Recommendation with Negative Feedback-informed Contrastive Learning [0.20482269513546453]
セッションベース音楽レコメンデーションにアイテム埋め込みを構成するためのシーケンス対応サブタスクを提案する。これは、K-nearest-neighbors検索でアイテムランキングに直接影響する。シーケンシャルアイテムレコメンデーションのために、このタスクをSoTAメソッドに組み込んだ実験は、一貫したパフォーマンス向上を示す。
論文参考訳（メタデータ） (2024-09-11T15:56:05Z)
A Dataset and Baselines for Measuring and Predicting the Music Piece Memorability [16.18336216092687]
音楽の記憶力の測定と予測に重点を置いている。私たちは、音楽の記憶可能性の予測と分析のためにベースラインを訓練します。改善の余地はあるものの、限られたデータで音楽の記憶可能性を予測することは可能であることを実証する。
論文参考訳（メタデータ） (2024-05-21T14:57:04Z)
Leveraging Negative Signals with Self-Attention for Sequential Music Recommendation [0.27195102129094995]
負のフィードバックを取り入れ、正のヒットを促進し、負のヒットを罰する対照的な学習課題を提案する。実験の結果,これはユーザからのネガティブなフィードバックを無視したベースラインアーキテクチャよりも一貫したパフォーマンス向上をもたらすことがわかった。
論文参考訳（メタデータ） (2023-09-20T20:21:13Z)
Fairness Through Domain Awareness: Mitigating Popularity Bias For Music Discovery [56.77435520571752]
音楽発見と人気バイアスの本質的な関係について検討する。本稿では,グラフニューラルネットワーク(GNN)に基づくレコメンデータシステムにおいて,人気バイアスに対処する,ドメイン対応の個別フェアネスに基づくアプローチを提案する。我々のアプローチでは、個々の公正さを用いて、真実を聴く経験、すなわち2つの歌が似ているとすると、この類似性は彼らの表現に反映されるべきである。
論文参考訳（メタデータ） (2023-08-28T14:12:25Z)
Towards Sequence Utility Maximization under Utility Occupancy Measure [53.234101208024335]
データベースでは、ユーティリティは各パターンに対して柔軟な基準であるが、ユーティリティ共有を無視するため、より絶対的な基準である。まず、まず、シーケンスデータに対するユーティリティの占有を定義し、高ユーティリティ・アクシデント・パターンマイニングの問題を提起する。 SuMU(Sequence Utility Maximization with Utility cccupancy measure)と呼ばれるアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-12-20T17:28:53Z)
Itemset Utility Maximization with Correlation Measure [8.581840054840335]
高ユーティリティアイテムセットマイニング(HUIM)は、興味深いが隠された情報(例えば、利益とリスク)を見つけるために使用される。本稿では,Coium(Coium)を用いたアイテムセット実用性最大化という新しいアルゴリズムを提案する。 2つの上界と4つのプルーニング戦略を用いて探索空間を効果的にプルークする。また、適用された上界を線形時間と空間で計算・保存するために、ユーティリティービンと呼ばれる簡潔なアレイ構造を用いる。
論文参考訳（メタデータ） (2022-08-26T10:06:24Z)
A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文参考訳（メタデータ） (2022-03-10T08:58:18Z)
MetaKernel: Learning Variational Random Features with Limited Labels [120.90737681252594]
少数の注釈付きサンプルから学習し、新しいタスクでうまく一般化できるという根本的かつ困難な問題に、少数のショットラーニングが対処します。マルチショット学習のためのランダムなフーリエ機能を備えたメタラーニングカーネルをMeta Kernelと呼びます。
論文参考訳（メタデータ） (2021-05-08T21:24:09Z)
A Comparative Study on Structural and Semantic Properties of Sentence Embeddings [77.34726150561087]
本稿では,関係抽出に広く利用されている大規模データセットを用いた実験セットを提案する。異なる埋め込み空間は、構造的および意味的特性に対して異なる強度を持つことを示す。これらの結果は,埋め込み型関係抽出法の開発に有用な情報を提供する。
論文参考訳（メタデータ） (2020-09-23T15:45:32Z)
dMelodies: A Music Dataset for Disentanglement Learning [70.90415511736089]
我々は、研究者が様々な領域でアルゴリズムの有効性を実証するのに役立つ新しいシンボリック・ミュージック・データセットを提案する。これはまた、音楽用に特別に設計されたアルゴリズムを評価する手段を提供する。データセットは、遠絡学習のためのディープネットワークのトレーニングとテストに十分な大きさ(約13万データポイント)である。
論文参考訳（メタデータ） (2020-07-29T19:20:07Z)

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。