論文の概要: DPAN: Dynamic Preference-based and Attribute-aware Network for Relevant Recommendations

• arxiv url: http://arxiv.org/abs/2308.10527v1
• Date: Mon, 21 Aug 2023 07:26:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-22 14:39:52.755209
• Title: DPAN: Dynamic Preference-based and Attribute-aware Network for Relevant Recommendations
• Title（参考訳）: DPAN: 関連勧告のための動的推論と属性認識ネットワーク
• Authors: Wei Dai, Yingmin Su, Xiaofeng Pan
• Abstract要約: そこで本稿では,Click-Through Rate (CTR) を予測するために,Dynamic Preference-based and Attribute-aware Network (DPAN) と呼ばれる新しい手法を提案する。 DPANは、当社のeコマースプラットフォームに、関連するレコメンデーションのための主要なトラフィックを提供するために、うまくデプロイされています。
• 参考スコア（独自算出の注目度）: 3.4947076558586967
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In e-commerce platforms, the relevant recommendation is a unique scenario providing related items for a trigger item that users are interested in. However, users' preferences for the similarity and diversity of recommendation results are dynamic and vary under different conditions. Moreover, individual item-level diversity is too coarse-grained since all recommended items are related to the trigger item. Thus, the two main challenges are to learn fine-grained representations of similarity and diversity and capture users' dynamic preferences for them under different conditions. To address these challenges, we propose a novel method called the Dynamic Preference-based and Attribute-aware Network (DPAN) for predicting Click-Through Rate (CTR) in relevant recommendations. Specifically, based on Attribute-aware Activation Values Generation (AAVG), Bi-dimensional Compression-based Re-expression (BCR) is designed to obtain similarity and diversity representations of user interests and item information. Then Shallow and Deep Union-based Fusion (SDUF) is proposed to capture users' dynamic preferences for the diverse degree of recommendation results according to various conditions. DPAN has demonstrated its effectiveness through extensive offline experiments and online A/B testing, resulting in a significant 7.62% improvement in CTR. Currently, DPAN has been successfully deployed on our e-commerce platform serving the primary traffic for relevant recommendations. The code of DPAN has been made publicly available.
• Abstract（参考訳）: eコマースプラットフォームでは、関連するレコメンデーションは、ユーザが興味を持つトリガーアイテムに関連するアイテムを提供するユニークなシナリオである。 しかし、類似性や推薦結果の多様性に対するユーザの好みは動的であり、異なる条件下で異なる。 さらに、推奨項目はすべてトリガー項目に関連するため、個々の項目レベルの多様性は粗い粒度である。 したがって、2つの主な課題は、類似性と多様性のきめ細かい表現を学習し、異なる条件下でユーザの動的嗜好を捉えることである。 これらの課題に対処するため、我々は、Click-Through Rate (CTR) を予測するためのDynamic Preference-based and Attribute-aware Network (DPAN) と呼ばれる新しい手法を提案する。 具体的には、属性認識アクティベーション値生成(aavg)に基づき、ユーザの興味やアイテム情報の類似性と多様性の表現を得るために、二次元圧縮ベース再表現(bcr)が設計されている。 そこで,Shallow and Deep Union-based Fusion (SDUF) を提案する。 DPANは大規模なオフライン実験とオンラインA/Bテストを通じてその効果を実証し、CTRは7.62%改善した。 現在、DPANは、関連するレコメンデーションのために主要なトラフィックを提供するEコマースプラットフォームにうまくデプロイされています。 DPANのコードは公開されている。

関連論文リスト

• MDAP: A Multi-view Disentangled and Adaptive Preference Learning Framework for Cross-Domain Recommendation [63.27390451208503]
  クロスドメインレコメンデーションシステムは、マルチドメインユーザインタラクションを活用してパフォーマンスを向上させる。 マルチビュー・ディスタングル・アダプティブ・プライスラーニング・フレームワークを提案する。 当社のフレームワークはマルチビューエンコーダを使用して,多様なユーザの好みをキャプチャする。
  論文  参考訳（メタデータ） (2024-10-08T10:06:45Z)
• Bridging and Modeling Correlations in Pairwise Data for Direct Preference Optimization [75.1240295759264]
  本稿では,BMC という名前のペアデータにおけるブリッジ・アンド・モデリングの効果的なフレームワークを提案する。 目的の修正によって、ペアの選好信号の一貫性と情報性が向上する。 DPOだけではこれらの相関をモデル化し、ニュアンス付き変動を捉えるには不十分である。
  論文  参考訳（メタデータ） (2024-08-14T11:29:47Z)
• A Preference-oriented Diversity Model Based on Mutual-information in Re-ranking for E-commerce Search [11.49911967350851]
  本稿では,相互情報(PODM-MI)に基づく嗜好指向の多様性モデルを提案する。 PODM-MIは、再ランクプロセスにおける正確性と多様性の両方を考慮する。 我々は,PODM-MIをeコマース検索プラットフォームに導入することに成功している。
  論文  参考訳（メタデータ） (2024-05-24T13:03:34Z)
• Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential Recommendations [50.03560306423678]
  本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。 Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
  論文  参考訳（メタデータ） (2024-01-12T15:26:40Z)
• Disentangled Representation for Diversified Recommendations [41.477162048806434]
  正確性と多様性は、リコメンデーションの2つの相反する目標だと考えられてきた。 本稿では,推薦アルゴリズムの選択に依存しない一般的な多様化フレームワークを提案する。 我々のソリューションは、レコメンデーションモジュールの学習したユーザ表現を、カテゴリに依存しない、カテゴリに依存しないコンポーネントに切り離します。
  論文  参考訳（メタデータ） (2023-01-13T11:47:10Z)
• Diverse Preference Augmentation with Multiple Domains for Cold-start Recommendations [92.47380209981348]
  メタラーニングをベースとした多元的ドメインを用いた多元的推論拡張フレームワークを提案する。 我々は、疎結合の場合の過度な適合を扱うために、新しい関心領域において多様な評価を生成する。 これらの評価は、選好メタラーナーを学ぶためのメタトレーニング手順に導入され、優れた一般化能力が得られる。
  論文  参考訳（メタデータ） (2022-04-01T10:10:50Z)
• 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)
• Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation [56.12499090935242]
  本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。 KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。 KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-08T09:44:00Z)
• Thematic recommendations on knowledge graphs using multilayer networks [0.0]
  知識グラフ(KG)の多層ネットワーク表現に基づくテーマレコメンデーションの生成と評価のためのフレームワークを提案する。 この表現では、各層はKG内の異なるタイプの関係を符号化し、有向層間結合は異なる役割において同じエンティティを接続する。 パーソナライズされたPageRankアルゴリズムをKGの多層モデルに適用し,項目列レコメンデーションを生成する。
  論文  参考訳（メタデータ） (2021-05-12T15:30:21Z)
• CRACT: Cascaded Regression-Align-Classification for Robust Visual Tracking [97.84109669027225]
  改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。 CRACは多くのベンチマークで最先端のパフォーマンスを得る。 OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
  論文  参考訳（メタデータ） (2020-11-25T02:18:33Z)

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。