Fugu-MT 論文翻訳(概要): AdaptiveRec: Adaptively Construct Pairs for Contrastive Learning in Sequential Recommendation

論文の概要: AdaptiveRec: Adaptively Construct Pairs for Contrastive Learning in Sequential Recommendation

arxiv url: http://arxiv.org/abs/2307.05469v1
Date: Fri, 7 Jul 2023 06:48:58 GMT
ステータス: 処理完了
システム内更新日: 2023-07-12 13:47:06.368579
Title: AdaptiveRec: Adaptively Construct Pairs for Contrastive Learning in Sequential Recommendation
Title（参考訳）: AdaptiveRec: 逐次勧告におけるコントラスト学習のためのペアを適応的に構築する
Authors: Jaeheyoung Jeon, Jung Hyun Ryu, Jewoong Cho, Myungjoo Kang
Abstract要約: 本稿では,逐次レコメンデーションシステムにおいて,コントラスト学習が直面する課題に対する解決策を提案する。これは偽陰性の問題に対処し、レコメンデーションアルゴリズムの有効性を制限する。
参考スコア（独自算出の注目度）: 0.7883397954991659
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents a solution to the challenges faced by contrastive learning in sequential recommendation systems. In particular, it addresses the issue of false negative, which limits the effectiveness of recommendation algorithms. By introducing an advanced approach to contrastive learning, the proposed method improves the quality of item embeddings and mitigates the problem of falsely categorizing similar instances as dissimilar. Experimental results demonstrate performance enhancements compared to existing systems. The flexibility and applicability of the proposed approach across various recommendation scenarios further highlight its value in enhancing sequential recommendation systems.
Abstract（参考訳）: 本稿では,逐次レコメンデーションシステムにおけるコントラスト学習による課題に対する解決策を提案する。特に、推奨アルゴリズムの有効性を制限する偽陰性の問題に対処する。コントラスト学習に先進的なアプローチを導入することにより,アイテム埋め込みの品質が向上し,類似したインスタンスを異種と誤分類する問題を緩和する。実験の結果,既存システムと比較して性能が向上した。様々なレコメンデーションシナリオにまたがる提案手法の柔軟性と適用性は、シーケンシャルレコメンデーションシステムの拡張におけるその価値をさらに強調する。

関連論文リスト

End-to-End Learnable Item Tokenization for Generative Recommendation [51.82768744368208]
本稿では,アイテムのトークン化と生成レコメンデーションをシームレスに統合した,新しいエンドツーエンド生成レコメンダであるETEGRecを提案する。本フレームワークは、アイテムトークン化器と生成レコメンデータで構成されるデュアルエンコーダデコーダアーキテクチャに基づいて開発されている。
論文参考訳（メタデータ） (2024-09-09T12:11:53Z)
Revisiting Reciprocal Recommender Systems: Metrics, Formulation, and Method [60.364834418531366]
RRSの性能を包括的かつ正確に評価する5つの新しい評価指標を提案する。因果的観点からRSを定式化し、二元的介入として勧告を定式化する。提案手法では,結果の一致を最大化する手法を提案する。
論文参考訳（メタデータ） (2024-08-19T07:21:02Z)
A General Offline Reinforcement Learning Framework for Interactive Recommendation [43.47849328010646]
まず,対話型レコメンデーションのための確率的生成モデルを導入し,ログ化されたフィードバックに基づく離散的およびポリシー学習のための効果的な推論アルゴリズムを提案する。提案手法が既存の教師付き学習法や強化学習法よりも優れた性能を期待できることを示す。
論文参考訳（メタデータ） (2023-10-01T14:09:21Z)
Fisher-Weighted Merge of Contrastive Learning Models in Sequential Recommendation [0.0]
我々は、まず、フィッシャー・マージング法をシークエンシャル・レコメンデーションに適用し、それに関連する実践的な課題に対処し、解決する。提案手法の有効性を実証し, シーケンシャルラーニングおよびレコメンデーションシステムにおける最先端化の可能性を明らかにする。
論文参考訳（メタデータ） (2023-07-05T05:58:56Z)
Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
論文参考訳（メタデータ） (2022-07-04T17:58:39Z)
GHRS: Graph-based Hybrid Recommendation System with Application to Movie Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。 The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文参考訳（メタデータ） (2021-11-06T10:47:45Z)
D2RLIR : an improved and diversified ranking function in interactive recommendation systems based on deep reinforcement learning [0.3058685580689604]
本稿では,アクタ・クリティカルアーキテクチャを用いた深層強化学習に基づく推薦システムを提案する。提案モデルでは,ユーザの嗜好に基づいて,多様かつ関連性の高いレコメンデーションリストを生成することができる。
論文参考訳（メタデータ） (2021-10-28T13:11:29Z)
Recommendation Fairness: From Static to Dynamic [12.080824433982993]
推薦のための強化学習手法に公平性を組み込む方法について論じる。我々は、推薦公正性をさらに前進させるために、マルチエージェント(ゲーム理論)最適化、マルチオブジェクト(パレート)最適化を検討すべきかもしれないと論じる。
論文参考訳（メタデータ） (2021-09-05T21:38:05Z)
Learning the Truth From Only One Side of the Story [58.65439277460011]
一般化線形モデルに焦点をあて、このサンプリングバイアスを調整しなければ、モデルは準最適に収束するか、あるいは最適解に収束しないかもしれないことを示す。理論的保証を伴って適応的なアプローチを提案し、いくつかの既存手法を実証的に上回っていることを示す。
論文参考訳（メタデータ） (2020-06-08T18:20:28Z)
Fairness-Aware Explainable Recommendation over Knowledge Graphs [73.81994676695346]
ユーザのアクティビティのレベルに応じて異なるグループのユーザを分析し、異なるグループ間での推奨パフォーマンスにバイアスが存在することを確認する。不活性なユーザは、不活性なユーザのためのトレーニングデータが不十分なため、不満足なレコメンデーションを受けやすい可能性がある。本稿では、知識グラフに対する説明可能な推奨という文脈で、この問題を緩和するために再ランク付けすることで、公平性に制約されたアプローチを提案する。
論文参考訳（メタデータ） (2020-06-03T05:04:38Z)
Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
論文参考訳（メタデータ） (2020-05-21T12:28:59Z)

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。