論文の概要: Proxy-based Item Representation for Attribute and Context-aware
Recommendation
- arxiv url: http://arxiv.org/abs/2312.06145v1
- Date: Mon, 11 Dec 2023 06:22:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-12 16:55:25.075142
- Title: Proxy-based Item Representation for Attribute and Context-aware
Recommendation
- Title(参考訳): 属性とコンテキストアウェアレコメンデーションのためのプロキシベースのアイテム表現
- Authors: Jinseok Seol, Minseok Gang, Sang-goo Lee, Jaehui Park
- Abstract要約: 本稿では、各項目を学習可能なプロキシ埋め込みの重み付け和として表現できるプロキシベースのアイテム表現を提案する。
プロキシベースの手法は、アイテムの表現を構成的に計算し、各表現がよく訓練された単純体内に存在することを保証する。
提案手法は,任意のニューラルネットワークベースレコメンデーションモデルのアイテムエンコーディング層を置き換えることができるプラグアンドプレイモデルである。
- 参考スコア(独自算出の注目度): 8.669754546617293
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Neural network approaches in recommender systems have shown remarkable
success by representing a large set of items as a learnable vector embedding
table. However, infrequent items may suffer from inadequate training
opportunities, making it difficult to learn meaningful representations. We
examine that in attribute and context-aware settings, the poorly learned
embeddings of infrequent items impair the recommendation accuracy. To address
such an issue, we propose a proxy-based item representation that allows each
item to be expressed as a weighted sum of learnable proxy embeddings. Here, the
proxy weight is determined by the attributes and context of each item and may
incorporate bias terms in case of frequent items to further reflect
collaborative signals. The proxy-based method calculates the item
representations compositionally, ensuring each representation resides inside a
well-trained simplex and, thus, acquires guaranteed quality. Additionally, that
the proxy embeddings are shared across all items allows the infrequent items to
borrow training signals of frequent items in a unified model structure and
end-to-end manner. Our proposed method is a plug-and-play model that can
replace the item encoding layer of any neural network-based recommendation
model, while consistently improving the recommendation performance with much
smaller parameter usage. Experiments conducted on real-world recommendation
benchmark datasets demonstrate that our proposed model outperforms
state-of-the-art models in terms of recommendation accuracy by up to 17% while
using only 10% of the parameters.
- Abstract(参考訳): 推薦システムのニューラルネットワークアプローチは、大量の項目を学習可能なベクトル埋め込みテーブルとして表現することで、顕著な成功を収めている。
しかし、不十分な項目はトレーニングの機会が不足し、意味のある表現を学ぶことが困難になる。
属性や文脈に応じた設定では、あまり学習されていない項目の埋め込みが推奨精度を損なう。
このような問題に対処するために、各項目を学習可能なプロキシ埋め込みの重み付け和として表現できるプロキシベースのアイテム表現を提案する。
ここでは、プロキシウェイトは各項目の属性と文脈によって決定され、頻繁な項目の場合にバイアス項を組み込んで、さらに協調的な信号を反映することができる。
プロキシベースの手法は、アイテム表現を構成的に計算し、各表現が十分に訓練された単純表現の中にいることを保証し、保証された品質を取得する。
さらに、プロキシ埋め込みがすべてのアイテムで共有されているため、頻繁なアイテムのトレーニング信号を、統一されたモデル構造とエンドツーエンドの方法で借りることができる。
提案手法は,ニューラルネットワークに基づくレコメンデーションモデルの項目エンコーディング層を置き換えることができるとともに,パラメータ使用量を大幅に削減してレコメンデーション性能を一貫して向上させるプラグイン・アンド・プレイモデルである。
実世界のレコメンデーションベンチマークデータセットで行った実験により,提案モデルが推奨精度の面では,10%のパラメータしか使用せずに,最先端モデルよりも17%の精度で優れていることが示された。
関連論文リスト
- Hierarchical Visual Primitive Experts for Compositional Zero-Shot
Learning [52.506434446439776]
合成ゼロショット学習(CZSL)は、既知のプリミティブ(属性とオブジェクト)の事前知識で構成を認識することを目的としている。
このような問題に対処するために,コンポジショントランスフォーマー(CoT)と呼ばれるシンプルでスケーラブルなフレームワークを提案する。
提案手法は,MIT-States,C-GQA,VAW-CZSLなど,いくつかのベンチマークでSoTA性能を実現する。
論文 参考訳(メタデータ) (2023-08-08T03:24:21Z) - An Additive Instance-Wise Approach to Multi-class Model Interpretation [53.87578024052922]
解釈可能な機械学習は、ブラックボックスシステムの特定の予測を駆動する要因に関する洞察を提供する。
既存の手法は主に、局所的な加法的あるいはインスタンス的なアプローチに従う説明的入力特徴の選択に重点を置いている。
本研究は,両手法の長所を生かし,複数の対象クラスに対する局所的な説明を同時に学習するためのグローバルフレームワークを提案する。
論文 参考訳(メタデータ) (2022-07-07T06:50:27Z) - End-to-End Image-Based Fashion Recommendation [5.210197476419621]
ファッションベースのレコメンデーション設定では、アイテムイメージの機能を取り入れることが重要な要素と考えられている。
本稿では,画像特徴を取り入れたシンプルな属性認識モデルを提案する。
2つの画像ベースの実世界のレコメンデータシステムデータセットの実験では、提案されたモデルが、最先端の画像ベースモデル全てを大幅に上回っていることが示されている。
論文 参考訳(メタデータ) (2022-05-05T21:14:42Z) - Attribute-aware Explainable Complementary Clothing Recommendation [37.30129304097086]
本研究は、ファッションレコメンデーションにおける説明可能性の課題に、新しいファッションレコメンデーションレコメンダ(AFRec)を提案して取り組むことを目的とする。
AFRecレコメンダは、各アイテムの視覚的特徴から抽出された属性レベルの表現を明示的に活用することで、服の互換性を評価する。
属性は2つのファッションアイテム間のブリッジとして機能し、そこでは属性間の学習された互換性を通じて、一対のアイテムの親和性を定量化する。
論文 参考訳(メタデータ) (2021-07-04T14:56:07Z) - How Fine-Tuning Allows for Effective Meta-Learning [50.17896588738377]
MAMLライクなアルゴリズムから派生した表現を解析するための理論的フレームワークを提案する。
我々は,勾配降下による微調整により得られる最良予測器のリスク境界を提示し,アルゴリズムが共有構造を有効活用できることを実証する。
この分離の結果、マイニングベースのメソッド、例えばmamlは、少数ショット学習における"frozen representation"目標を持つメソッドよりも優れている。
論文 参考訳(メタデータ) (2021-05-05T17:56:00Z) - Represent Items by Items: An Enhanced Representation of the Target Item
for Recommendation [37.28220632871373]
アイテムベースの協調フィルタリング(ICF)は、レコメンダシステムやオンライン広告などの産業アプリケーションで広く利用されている。
最近のモデルは、注意メカニズムやディープニューラルネットワークなどの方法を使用して、ユーザー表現とスコアリング機能をより正確に学習します。
共起項目から関連する情報を蒸留する対象項目の表現の強化を提案する。
論文 参考訳(メタデータ) (2021-04-26T11:28:28Z) - Pre-training Graph Transformer with Multimodal Side Information for
Recommendation [82.4194024706817]
本稿では,項目側情報とその関連性を考慮した事前学習戦略を提案する。
我々はMCNSamplingという新しいサンプリングアルゴリズムを開発し、各項目のコンテキスト近傍を選択する。
The proposed Pre-trained Multimodal Graph Transformer (PMGT) learns item representations with two objectives: 1) graph structure reconstruction, 2) masked node feature reconstruction。
論文 参考訳(メタデータ) (2020-10-23T10:30:24Z) - Self-Supervised Relational Reasoning for Representation Learning [5.076419064097733]
自己教師型学習では、ラベルのないデータに対して代替ターゲットを定義することにより、代理目的を達成することを課題とする。
本稿では,学習者が無ラベルデータに暗黙的な情報から信号をブートストラップできる,新たな自己教師型関係推論法を提案する。
提案手法は,標準データセット,プロトコル,バックボーンを用いて,厳密な実験手順に従って評価する。
論文 参考訳(メタデータ) (2020-06-10T14:24:25Z) - Joint Item Recommendation and Attribute Inference: An Adaptive Graph
Convolutional Network Approach [61.2786065744784]
レコメンデーションシステムでは、ユーザとアイテムは属性に関連付けられ、ユーザはアイテムの好みを表示する。
ユーザ(item)属性をアノテートすることは労働集約的なタスクであるため、属性値が欠落している多くの属性値と不完全であることが多い。
本稿では,共同項目推薦と属性推論のための適応グラフ畳み込みネットワーク(AGCN)アプローチを提案する。
論文 参考訳(メタデータ) (2020-05-25T10:50:01Z) - Selecting Relevant Features from a Multi-domain Representation for
Few-shot Classification [91.67977602992657]
本稿では,従来の特徴適応手法よりもシンプルかつ効果的である特徴選択に基づく新しい戦略を提案する。
このような特徴の上に構築された単純な非パラメトリック分類器は高い精度を示し、訓練中に見たことのない領域に一般化する。
論文 参考訳(メタデータ) (2020-03-20T15:44:17Z)
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。