論文の概要: A Social-aware Gaussian Pre-trained Model for Effective Cold-start
Recommendation
- arxiv url: http://arxiv.org/abs/2311.15790v1
- Date: Mon, 27 Nov 2023 13:04:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 15:18:46.337501
- Title: A Social-aware Gaussian Pre-trained Model for Effective Cold-start
Recommendation
- Title（参考訳）: 効果的なコールドスタート推薦のためのソーシャルアウェアガウシアン事前学習モデル
- Authors: Siwei Liu, Xi Wang, Craig Macdonald, Iadh Ounis
- Abstract要約: グラフニューラルネットワーク(GNN)の事前学習段階におけるユーザ関係とインタラクションデータを符号化する新しい推薦モデルであるSGP(Social-Aware Gaussian Pre-trained Model)を提案する。
NDCG@10では,3つの公開データセットに対する実験の結果,SGPモデルは16の競争ベースラインと比較して,最大7.7%の精度で最高のベースラインを達成できた。
さらに,SGPは,特にユーザが友人の提案によってシステムに新規に登録する場合に,コールドスタート問題を効果的に軽減できることを示す。
- 参考スコア（独自算出の注目度）: 25.850274659792305
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The use of pre-training is an emerging technique to enhance a neural model's
performance, which has been shown to be effective for many neural language
models such as BERT. This technique has also been used to enhance the
performance of recommender systems. In such recommender systems, pre-training
models are used to learn a better initialisation for both users and items.
However, recent existing pre-trained recommender systems tend to only
incorporate the user interaction data at the pre-training stage, making it
difficult to deliver good recommendations, especially when the interaction data
is sparse. To alleviate this common data sparsity issue, we propose to
pre-train the recommendation model not only with the interaction data but also
with other available information such as the social relations among users,
thereby providing the recommender system with a better initialisation compared
with solely relying on the user interaction data. We propose a novel
recommendation model, the Social-aware Gaussian Pre-trained model (SGP), which
encodes the user social relations and interaction data at the pre-training
stage in a Graph Neural Network (GNN). Afterwards, in the subsequent
fine-tuning stage, our SGP model adopts a Gaussian Mixture Model (GMM) to
factorise these pre-trained embeddings for further training, thereby benefiting
the cold-start users from these pre-built social relations. Our extensive
experiments on three public datasets show that, in comparison to 16 competitive
baselines, our SGP model significantly outperforms the best baseline by upto
7.7% in terms of NDCG@10. In addition, we show that SGP permits to effectively
alleviate the cold-start problem, especially when users newly register to the
system through their friends' suggestions.
- Abstract（参考訳）: プレトレーニングの使用は、ニューラルモデルの性能を高める新しいテクニックであり、BERTのような多くのニューラル言語モデルに有効であることが示されている。
この技術はレコメンデーションシステムの性能向上にも利用されている。
このようなレコメンデーションシステムでは、事前学習モデルを使用して、ユーザとアイテムの両方のより良い初期化を学ぶ。
しかし、最近の既存の事前学習レコメンデータシステムは、事前学習段階でのみユーザインタラクションデータを組み込む傾向にあり、特にインタラクションデータが不足している場合には、良いレコメンデーションを提供することが困難である。
この共通データ空間の問題を軽減するため,ユーザ間の交流データだけでなく,ユーザ間の社会的関係などの情報も事前学習し,ユーザ間のインタラクションデータに依存するよりも,より優れた初期化が可能なレコメンデーションシステムを提供することを提案する。
本稿では,グラフニューラルネットワーク(GNN)の事前学習段階におけるユーザの社会的関係とインタラクションデータを符号化する,ソーシャル・アウェア・ガウス事前学習モデル(SGP)を提案する。
その後, 微調整段階において, sgpモデルがガウス混合モデル(gmm)を採用し, 事前学習された組込みを, さらなる訓練のために分解することで, 冷スタートユーザをこれらの構築済みの社会関係から恩恵を受ける。
3つの公開データセットに関する広範な実験から,16の競合ベースラインと比較して,ndcg@10では,sgpモデルが最高ベースラインを最大7.7%上回っていることが分かりました。
さらに,SGPは,特にユーザが友人の提案を通じてシステムに新規に登録する場合に,コールドスタート問題を効果的に軽減できることを示す。
関連論文リスト
- Personalized Negative Reservoir for Incremental Learning in Recommender
Systems [22.227137206517142]
レコメンダシステムはオンラインプラットフォームにおいて不可欠な部分となっている。
トレーニングデータの量は毎日増加しており、ユーザインタラクションの数は常に増加しています。
より大きな、より表現力のあるモデルの探索は、ユーザーエクスペリエンスを改善するために必要となる。
論文 参考訳（メタデータ） (2024-03-06T19:08:28Z) - Semi-decentralized Federated Ego Graph Learning for Recommendation [58.21409625065663]
デバイス上でのレコメンデーションのための半分散型フェデレーションエゴグラフ学習フレームワークであるSemiDFEGLを提案する。
提案するフレームワークはモデルに依存しないため、既存のグラフニューラルネットワークベースのレコメンデーションメソッドやプライバシ保護技術とシームレスに統合できる。
論文 参考訳（メタデータ） (2023-02-10T03:57:45Z) - Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。
OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。
我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文 参考訳（メタデータ） (2022-09-12T09:19:22Z) - Effective and Efficient Training for Sequential Recommendation using
Recency Sampling [91.02268704681124]
本稿では,新しいRecency-based Smpling of Sequencesトレーニング目標を提案する。
提案手法により拡張されたモデルにより,最先端のBERT4Recに近い性能が得られることを示す。
論文 参考訳（メタデータ） (2022-07-06T13:06:31Z) - An Adaptive Graph Pre-training Framework for Localized Collaborative
Filtering [79.17319280791237]
局所的協調フィルタリング(ADAPT)のための適応グラフ事前学習フレームワークを提案する。
ADAPTは、異なるグラフにまたがる共通知識と、各グラフの特異性の両方をキャプチャする。
ユーザ/イテムの埋め込みを転送する必要はなく、異なるグラフにまたがる共通知識と各グラフのユニークさの両方をキャプチャできる。
論文 参考訳（メタデータ） (2021-12-14T06:53:13Z) - A Multi-Strategy based Pre-Training Method for Cold-Start Recommendation [28.337475919795008]
コールドスタート問題はレコメンデーションタスクの根本的な課題である。
グラフニューラルネットワーク(GNN)モデルにおける最近の自己教師付き学習(SSL)であるPT-GNNは、コールドスタート埋め込みを再構築するためにGNNモデルを事前訓練する。
本稿では,PT-GNNをモデルアーキテクチャやプレテキストタスクの観点から拡張する,マルチストラテジーに基づく冷間開始推薦(MPT)のための事前学習手法を提案する。
論文 参考訳（メタデータ） (2021-12-04T08:11:55Z) - 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) - Top-N Recommendation with Counterfactual User Preference Simulation [26.597102553608348]
ユーザーランキングに基づく好みの学習を目的としたTop-Nレコメンデーションは、長い間、広範囲のアプリケーションにおいて基本的な問題だった。
本稿では,データ不足問題に対処するため,因果推論フレームワーク内での推薦タスクの再構築を提案する。
論文 参考訳（メタデータ） (2021-09-02T14:28:46Z) - S^3-Rec: Self-Supervised Learning for Sequential Recommendation with
Mutual Information Maximization [104.87483578308526]
本稿では,シーケンスレコメンデーションのための自己改善学習のためのモデルS3-Recを提案する。
そこで本稿では,属性,項目,サブシーケンス,シーケンス間の相関関係を学習するために,4つの補助的自己教師対象を考案する。
6つの実世界のデータセットで実施された大規模な実験は、既存の最先端手法よりも提案手法が優れていることを示す。
論文 参考訳（メタデータ） (2020-08-18T11:44:10Z)
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。