論文の概要: Cold & Warm Net: Addressing Cold-Start Users in Recommender Systems

• arxiv url: http://arxiv.org/abs/2309.15646v1
• Date: Wed, 27 Sep 2023 13:31:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 13:33:18.115125
• Title: Cold & Warm Net: Addressing Cold-Start Users in Recommender Systems
• Title（参考訳）: cold & warm net:レコメンデーションシステムにおけるコールドスタートユーザへの対処
• Authors: Xiangyu Zhang, Zongqiang Kuang, Zehao Zhang, Fan Huang, Xianfeng Tan
• Abstract要約: コールドスタートレコメンデーションは、レコメンダシステム(RS)が直面する大きな課題の1つです。 本稿では,コールドスタートユーザとウォームアップユーザをそれぞれモデル化する専門家モデルに基づいて,コールド&ウォームネットを提案する。 提案モデルはまた,産業用ショートビデオプラットフォーム上に展開され,アプリドウェル時間とユーザ保持率の大幅な向上を実現している。
• 参考スコア（独自算出の注目度）: 10.133475523630139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cold-start recommendation is one of the major challenges faced by recommender systems (RS). Herein, we focus on the user cold-start problem. Recently, methods utilizing side information or meta-learning have been used to model cold-start users. However, it is difficult to deploy these methods to industrial RS. There has not been much research that pays attention to the user cold-start problem in the matching stage. In this paper, we propose Cold & Warm Net based on expert models who are responsible for modeling cold-start and warm-up users respectively. A gate network is applied to incorporate the results from two experts. Furthermore, dynamic knowledge distillation acting as a teacher selector is introduced to assist experts in better learning user representation. With comprehensive mutual information, features highly relevant to user behavior are selected for the bias net which explicitly models user behavior bias. Finally, we evaluate our Cold & Warm Net on public datasets in comparison to models commonly applied in the matching stage and it outperforms other models on all user types. The proposed model has also been deployed on an industrial short video platform and achieves a significant increase in app dwell time and user retention rate.
• Abstract（参考訳）: コールドスタートレコメンデーションは、レコメンダシステム(RS)が直面する大きな課題の1つです。 ここでは,ユーザのコールドスタート問題に焦点を当てる。 近年、サイド情報やメタラーニングを利用する手法がコールドスタートユーザーをモデル化するために使われている。 しかし,これらの手法を産業用RSに展開することは困難である。 マッチングステージでユーザーのコールドスタート問題に注意を払う研究はあまり行われていません。 本稿では,コールドスタートユーザとウォームアップユーザをそれぞれモデル化する専門家モデルに基づくコールド&ウォームネットを提案する。 ゲートネットワークを適用して、2人の専門家の結果を組み込む。 さらに,教師セレクタとして機能する動的知識蒸留を導入し,ユーザ表現の学習を支援する。 包括的相互情報により、ユーザの行動バイアスを明示的にモデル化するバイアスネットに対して、ユーザの行動に非常に関連性の高い特徴が選択される。 最後に、公開データセットのコールド&ウォームネットを、マッチングステージで一般的に適用されるモデルと比較し、すべてのユーザタイプで他のモデルよりも優れています。 提案モデルは,産業用ショートビデオプラットフォームにも展開されており,アプリドウェル時間とユーザ保持率の大幅な向上を実現している。

関連論文リスト

• Could Small Language Models Serve as Recommenders? Towards Data-centric Cold-start Recommendations [38.91330250981614]
  本稿では,言語モデルの文脈内学習に基づくシンプルだが効果的なアプローチであるPromptRecを提案する。 本稿では,データ中心パイプラインを用いたレコメンデータシステムのための小型言語モデルを提案する。 私たちの知る限りでは、システムコールドスタートレコメンデーション問題に取り組む最初の研究である。
  論文  参考訳（メタデータ） (2023-06-29T18:50:12Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• GPatch: Patching Graph Neural Networks for Cold-Start Recommendations [20.326139541161194]
  コールドスタートはレコメンデータシステムにおいて不可欠で永続的な問題です。 最先端のソリューションは、コールドスタートと既存のユーザ/イテムの両方のためのハイブリッドモデルのトレーニングに依存しています。 本稿では,2つの別個のコンポーネントを含むGNNベースのフレームワーク(GPatch)を提案する。
  論文  参考訳（メタデータ） (2022-09-25T13:16:39Z)
• Personalizing Intervened Network for Long-tailed Sequential User Behavior Modeling [66.02953670238647]
  タイルユーザーは、共同トレーニング後のヘッドユーザーよりも大幅に品質の低いレコメンデーションに悩まされる。 テールユーザーで個別に訓練されたモデルは、限られたデータのために依然として劣った結果が得られる。 本稿では,テールユーザの推薦性能を大幅に向上させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-08-19T02:50:19Z)
• Sparsity Regularization For Cold-Start Recommendation [7.848143873095096]
  ユーザ人口統計とユーザ嗜好を組み合わせることで,ユーザベクタのための新しい表現を導入する。 我々は,スパースユーザ・購入行動を利用したコールド・スタート・レコメンデーションのための新しいスパース・逆モデルSRLGANを開発した。 SRLGANを2つの一般的なデータセットで評価し、最先端の結果を示す。
  論文  参考訳（メタデータ） (2022-01-26T02:28:08Z)
• Learning to Learn a Cold-start Sequential Recommender [70.5692886883067]
  コールドスタート勧告は、現代のオンラインアプリケーションにおいて緊急の問題である。 メタ学習に基づくコールドスタートシーケンシャルレコメンデーションフレームワークMetaCSRを提案する。 MetaCSRは、通常のユーザの行動から共通のパターンを学ぶ能力を持っている。
  論文  参考訳（メタデータ） (2021-10-18T08:11:24Z)
• Privileged Graph Distillation for Cold Start Recommendation [57.918041397089254]
  レコメンデーションシステムにおけるコールドスタートの問題は、歴史的相互作用の記録のない属性に基づいて新しいユーザー(イテム)に推奨することである。 特権グラフ蒸留モデル(PGD)を提案する。 提案手法は,新規ユーザ,新規ユーザ,新規ユーザを対象とする異なるコールドスタートシナリオに適用可能である。
  論文  参考訳（メタデータ） (2021-05-31T14:05:27Z)
• ColdGAN: Resolving Cold Start User Recommendation by using Generative Adversarial Networks [0.1529342790344802]
  我々は、この問題を解決するためにサイド情報を使用しない、エンドツーエンドのGANベースモデルであるColdGANを提案する。 提案手法は,最先端のレコメンデータに比べて性能が大幅に向上する。
  論文  参考訳（メタデータ） (2020-11-25T08:10:35Z)
• Addressing the Cold-Start Problem in Outfit Recommendation Using Visual Preference Modelling [51.147871738838305]
  本稿では,新しい視覚的嗜好モデリング手法を活用することで,新規ユーザに対するコールドスタート問題に対処する。 機能重み付けクラスタリングによるアプローチの活用を実演し、時事指向の衣装レコメンデーションをパーソナライズする。
  論文  参考訳（メタデータ） (2020-08-04T10:07:09Z)
• Seamlessly Unifying Attributes and Items: Conversational Recommendation for Cold-Start Users [111.28351584726092]
  コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。 会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
  論文  参考訳（メタデータ） (2020-05-23T08:56:37Z)

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。