論文の概要: Adaptive spectral graph wavelets for collaborative filtering

• arxiv url: http://arxiv.org/abs/2312.03167v1
• Date: Tue, 5 Dec 2023 22:22:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-07 16:40:57.588581
• Title: Adaptive spectral graph wavelets for collaborative filtering
• Title（参考訳）: 協調フィルタリングのための適応スペクトルグラフウェーブレット
• Authors: Osama Alshareet and A. Ben Hamza
• Abstract要約: 協調フィルタリングはレコメンデーションシステムにおいて一般的なアプローチであり、その目的はパーソナライズされた項目の提案を提供することである。 本稿では,暗黙的なフィードバックデータに対するスペクトルグラフウェーブレット協調フィルタリングフレームワークを提案する。 グラフの局所的および大域的構造を捉えることに加えて、我々の手法は空間的およびスペクトル的領域におけるグラフ信号の局所化をもたらす。
• 参考スコア（独自算出の注目度）: 5.547800834335382
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Collaborative filtering is a popular approach in recommender systems, whose objective is to provide personalized item suggestions to potential users based on their purchase or browsing history. However, personalized recommendations require considerable amount of behavioral data on users, which is usually unavailable for new users, giving rise to the cold-start problem. To help alleviate this challenging problem, we introduce a spectral graph wavelet collaborative filtering framework for implicit feedback data, where users, items and their interactions are represented as a bipartite graph. Specifically, we first propose an adaptive transfer function by leveraging a power transform with the goal of stabilizing the variance of graph frequencies in the spectral domain. Then, we design a deep recommendation model for efficient learning of low-dimensional embeddings of users and items using spectral graph wavelets in an end-to-end fashion. In addition to capturing the graph's local and global structures, our approach yields localization of graph signals in both spatial and spectral domains, and hence not only learns discriminative representations of users and items, but also promotes the recommendation quality. The effectiveness of our proposed model is demonstrated through extensive experiments on real-world benchmark datasets, achieving better recommendation performance compared with strong baseline methods.
• Abstract（参考訳）: 協調フィルタリングはレコメンデーションシステムにおいて一般的なアプローチであり、その目的は、購入や閲覧履歴に基づいて、潜在的ユーザにパーソナライズされたアイテム提案を提供することである。 しかし、パーソナライズされたレコメンデーションでは、ユーザーに対してかなりの量の行動データが要求される。 この課題を解決するために,ユーザやアイテム,それらのインタラクションを2部グラフとして表現する,暗黙的なフィードバックデータのためのスペクトルグラフウェーブレット協調フィルタリングフレームワークを提案する。 具体的には,スペクトル領域におけるグラフ周波数の分散を安定化することを目的として,パワー変換を利用した適応伝達関数を提案する。 そこで我々は,スペクトルグラフウェーブレットを用いたユーザとアイテムの低次元埋め込みをエンドツーエンドで効率的に学習するための深層推薦モデルを設計する。 グラフの局所的および大域的構造を捉えることに加えて,空間的およびスペクトル的領域におけるグラフ信号の局在性も生み出すため,ユーザとアイテムの識別表現を学習するだけでなく,レコメンデーション品質も向上する。 提案モデルの有効性は,実世界のベンチマークデータセットに対する広範な実験により実証され,強力なベースライン手法と比較して,推奨性能が向上した。

関連論文リスト

• Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
  そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。 本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-09T04:20:15Z)
• GPT4Rec: Graph Prompt Tuning for Streaming Recommendation [30.604441550735494]
  本稿では,ストリームレコメンデーションのためのグラフプロンプトチューニング手法であるGPT4Recを提案する。 特に、GPT4Recはグラフパターンを複数のビューに分解する。 ユーザ-テムグラフ内のさまざまなインタラクションパターンにまたがってモデルをガイドする。
  論文  参考訳（メタデータ） (2024-06-12T13:59:31Z)
• DFGNN: Dual-frequency Graph Neural Network for Sign-aware Feedback [51.72177873832969]
  本稿では,周波数フィルタの観点から正負のフィードバックをモデル化する新しいモデルを提案する。 実世界のデータセットについて広範な実験を行い、提案モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2024-05-24T07:07:41Z)
• Frequency-aware Graph Signal Processing for Collaborative Filtering [26.317108637430664]
  協調フィルタリングのための周波数対応グラフ信号処理法(FaGSP)を提案する。 まず,理想的な高域通過フィルタと理想的な低域通過フィルタからなるカスケードフィルタモジュールを設計する。 そこで,2つの低域通過フィルタからなる並列フィルタモジュールを考案した。
  論文  参考訳（メタデータ） (2024-02-13T12:53:18Z)
• Preference and Concurrence Aware Bayesian Graph Neural Networks for Recommender Systems [5.465420718331109]
  グラフベースのコラボレーティブフィルタリング手法はレコメンダシステムの性能向上に寄与した。 本稿では,ユーザの好みや項目の一致,重要なグラフ構造情報などを共同で検討する効率的な生成モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-30T11:49:33Z)
• Neural Graph Collaborative Filtering Using Variational Inference [19.80976833118502]
  本稿では,変分グラフオートエンコーダを用いて学習した表現を組み込む新しいフレームワークとして,変分埋め込み協調フィルタリング(GVECF)を導入する。 提案手法は,テストデータに対するリコールを最大13.78%改善する。
  論文  参考訳（メタデータ） (2023-11-20T15:01:33Z)
• APGL4SR: A Generic Framework with Adaptive and Personalized Global Collaborative Information in Sequential Recommendation [86.29366168836141]
  逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。 APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。 一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
  論文  参考訳（メタデータ） (2023-11-06T01:33:24Z)
• Bayes-enhanced Multi-view Attention Networks for Robust POI Recommendation [81.4999547454189]
  既存の作業では、ユーザによって報告された利用可能なPOIチェックインが、ユーザ行動の真真正な描写であると仮定している。 実際のアプリケーションシナリオでは、主観的および客観的な原因の両方のため、チェックインデータは信頼性が低い。 本稿では,ユーザチェックインの不確実性に対処するため,ベイズ強化型マルチビュー注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T12:47:38Z)
• Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
  Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。 自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。 特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
  論文  参考訳（メタデータ） (2022-10-22T17:29:34Z)
• 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)

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。