論文の概要: Joint Identifiability of Cross-Domain Recommendation via Hierarchical Subspace Disentanglement

• arxiv url: http://arxiv.org/abs/2404.04481v1
• Date: Sat, 6 Apr 2024 03:11:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 21:08:32.772260
• Title: Joint Identifiability of Cross-Domain Recommendation via Hierarchical Subspace Disentanglement
• Title（参考訳）: 階層的部分空間展開によるクロスドメイン勧告の連成認識可能性
• Authors: Jing Du, Zesheng Ye, Bin Guo, Zhiwen Yu, Lina Yao,
• Abstract要約: CDR(Cross-Domain Recommendation)はドメイン間の効果的な知識伝達を実現する。 CDRは、ユーザ表現を2つのドメインにまたがる共同分布として記述するが、これらの方法は、その共同識別可能性を考慮していない。 本稿では,階層的部分空間のアンタングル化手法を提案し,ドメイン間結合分布の結合識別可能性について検討する。
• 参考スコア（独自算出の注目度）: 19.29182848154183
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cross-Domain Recommendation (CDR) seeks to enable effective knowledge transfer across domains. Existing works rely on either representation alignment or transformation bridges, but they struggle on identifying domain-shared from domain-specific latent factors. Specifically, while CDR describes user representations as a joint distribution over two domains, these methods fail to account for its joint identifiability as they primarily fixate on the marginal distribution within a particular domain. Such a failure may overlook the conditionality between two domains and how it contributes to latent factor disentanglement, leading to negative transfer when domains are weakly correlated. In this study, we explore what should and should not be transferred in cross-domain user representations from a causality perspective. We propose a Hierarchical subspace disentanglement approach to explore the Joint IDentifiability of cross-domain joint distribution, termed HJID, to preserve domain-specific behaviors from domain-shared factors. HJID organizes user representations into layers: generic shallow subspaces and domain-oriented deep subspaces. We first encode the generic pattern in the shallow subspace by minimizing the Maximum Mean Discrepancy of initial layer activation. Then, to dissect how domain-oriented latent factors are encoded in deeper layers activation, we construct a cross-domain causality-based data generation graph, which identifies cross-domain consistent and domain-specific components, adhering to the Minimal Change principle. This allows HJID to maintain stability whilst discovering unique factors for different domains, all within a generative framework of invertible transformations that guarantee the joint identifiability. With experiments on real-world datasets, we show that HJID outperforms SOTA methods on a range of strongly and weakly correlated CDR tasks.
• Abstract（参考訳）: CDR(Cross-Domain Recommendation)はドメイン間の効果的な知識伝達を実現する。 既存の作業は、アライメントアライメントか変換ブリッジのいずれかに依存していますが、ドメイン固有の潜在要因からドメインを共有することに苦労しています。 具体的には、CDRはユーザ表現を2つのドメイン上の共同分布として記述するが、これらのメソッドは、主に特定のドメイン内の限界分布に固定するため、その共同識別性を考慮しない。 このような失敗は、2つの領域間の条件性や、それが潜在因子の非絡み合いにどのように寄与するかを見落とし、ドメインが弱相関であるときに負の移動を引き起こす。 本研究では、因果性の観点から、ドメイン間ユーザ表現に転送すべきかつすべきでないものについて検討する。 本稿では,ドメイン共有因子からドメイン固有の振舞いを保存するために,HJIDと呼ばれるクロスドメイン結合分布の結合識別可能性を探るための階層的部分空間不整合法を提案する。 HJIDは、ユーザ表現を層にまとめる: 汎用的な浅層部分空間とドメイン指向の深層部分空間。 我々はまず、初期層活性化の最大平均差を最小化することにより、浅い部分空間におけるジェネリックパターンを符号化する。 そして、ドメイン指向の潜伏因子がどのように深層活性化に符号化されているかを明らかにするために、ドメイン間の一貫性とドメイン固有のコンポーネントを識別するクロスドメイン因果関係に基づくデータ生成グラフを構築し、ミニマルチェンジの原則に固執する。 これにより、HJIDは安定性を維持しつつ、異なる領域に固有の因子を発見できる。 実世界のデータセットを用いた実験により、HJIDは強い相関と弱い相関を持つCDRタスクにおいてSOTA法よりも優れていることを示す。

関連論文リスト

• Towards Robust Cross-Domain Recommendation with Joint Identifiability of User Preference [31.22912313591263]
  クロスドメインレコメンデーション(CDR)研究は、ドメイン共有とドメイン固有のユーザ表現がドメインギャップを緩和し、効果的な知識伝達を促進すると仮定している。 本稿では,ドメイン間のユーザ表現のユニークな対応を確立する共同識別可能性のモデル化を提案する。 本手法は, 相関の弱いタスクであっても, 常に最先端のタスクを超越していることを示す。
  論文  参考訳（メタデータ） (2024-11-26T12:08:06Z)
• Bridging the Source-to-target Gap for Cross-domain Person Re-Identification with Intermediate Domains [63.23373987549485]
  クロスドメインの人物再識別(re-ID)は、ソースからターゲットドメインに識別された知識を転送することを目的としている。 中間ドメインモジュール(IDM)とミラー生成モジュール(MGM)を提案する。 IDMは、ソースドメインとターゲットドメインから隠れた層の特徴を混合することにより、複数の中間ドメインを生成する。 MGMは、特徴をIDM生成中間ドメインにマッピングすることで、元のアイデンティティを変更することなく導入される。
  論文  参考訳（メタデータ） (2022-03-03T12:44:56Z)
• IDM: An Intermediate Domain Module for Domain Adaptive Person Re-ID [58.46907388691056]
  ソースとターゲットドメイン間のブリッジは、UDA re-IDタスクに対処するために有効である、と我々は主張する。 中間ドメインの表現をオンザフライで生成するための中間ドメインモジュール(IDM)を提案する。 提案手法は,UDAのre-IDタスクに共通するタスクにおいて,最先端のタスクよりも大きなマージンで性能を向上する。
  論文  参考訳（メタデータ） (2021-08-05T07:19:46Z)
• Generalizable Representation Learning for Mixture Domain Face Anti-Spoofing [53.82826073959756]
  ドメイン一般化(DG)に基づく対スプーフィングアプローチは、予期せぬシナリオの堅牢性のために注目を集めています。 ドメインダイナミック調整メタラーニング(D2AM)についてドメインラベルを使わずに提案する。 この制限を克服するため,ドメインダイナミック調整メタラーニング(D2AM)を提案する。
  論文  参考訳（メタデータ） (2021-05-06T06:04:59Z)
• Disentanglement-based Cross-Domain Feature Augmentation for Effective Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
  Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。 ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。 ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
  論文  参考訳（メタデータ） (2021-03-25T15:28:41Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)
• Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
  教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。 従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。 本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-12T09:45:39Z)

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。