論文の概要: DisCo: Towards Harmonious Disentanglement and Collaboration between Tabular and Semantic Space for Recommendation

• arxiv url: http://arxiv.org/abs/2406.00011v2
• Date: Tue, 4 Jun 2024 07:17:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-06 08:53:00.426172
• Title: DisCo: Towards Harmonious Disentanglement and Collaboration between Tabular and Semantic Space for Recommendation
• Title（参考訳）: DisCo:レコメンデーションのためのタブラリとセマンティック空間の調和と協調を目指して
• Authors: Kounianhua Du, Jizheng Chen, Jianghao Lin, Yunjia Xi, Hangyu Wang, Xinyi Dai, Bo Chen, Ruiming Tang, Weinan Zhang,
• Abstract要約: 本研究では,2つの表現空間からユニークなパターンを分離し,2つの空間をコラボしてレコメンデーションエンハンスメントを提案する。 これらの加群は2つの表現空間の解離と協調のバランスをとり、情報的パターンベクトルを生成する。
• 参考スコア（独自算出の注目度）: 38.650502048553626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems play important roles in various applications such as e-commerce, social media, etc. Conventional recommendation methods usually model the collaborative signals within the tabular representation space. Despite the personalization modeling and the efficiency, the latent semantic dependencies are omitted. Methods that introduce semantics into recommendation then emerge, injecting knowledge from the semantic representation space where the general language understanding are compressed. However, existing semantic-enhanced recommendation methods focus on aligning the two spaces, during which the representations of the two spaces tend to get close while the unique patterns are discarded and not well explored. In this paper, we propose DisCo to Disentangle the unique patterns from the two representation spaces and Collaborate the two spaces for recommendation enhancement, where both the specificity and the consistency of the two spaces are captured. Concretely, we propose 1) a dual-side attentive network to capture the intra-domain patterns and the inter-domain patterns, 2) a sufficiency constraint to preserve the task-relevant information of each representation space and filter out the noise, and 3) a disentanglement constraint to avoid the model from discarding the unique information. These modules strike a balance between disentanglement and collaboration of the two representation spaces to produce informative pattern vectors, which could serve as extra features and be appended to arbitrary recommendation backbones for enhancement. Experiment results validate the superiority of our method against different models and the compatibility of DisCo over different backbones. Various ablation studies and efficiency analysis are also conducted to justify each model component.
• Abstract（参考訳）: レコメンダシステムは,eコマースやソーシャルメディアなど,さまざまなアプリケーションにおいて重要な役割を担っている。 従来のレコメンデーション手法は通常、表表現空間内の協調シグナルをモデル化する。 パーソナライズモデリングと効率にもかかわらず、潜伏するセマンティック依存関係は省略される。 セマンティックスをレコメンデーションに導入するメソッドが出現し、一般的な言語理解が圧縮されたセマンティック表現空間から知識を注入する。 しかし、既存のセマンティック・エンハンスド・レコメンデーション・メソッドは2つの空間の整合性に重点を置いており、その間に2つの空間の表現が近づき、ユニークなパターンは捨てられ、よく調べられていない。 本稿では,2つの表現空間から一意的なパターンを分離し,2つの空間をコラボしてレコメンデーションエンハンスメント(レコメンデーションエンハンスメント)を提案する。 具体的には 1)ドメイン内パターンとドメイン間パターンをキャプチャする二重側注意ネットワーク。 2 各表現空間のタスク関連情報を保存し、騒音を除去するための十分制約 3) モデルがユニークな情報を破棄することを避けるための歪曲制約。 これらのモジュールは2つの表現空間のアンタングル化と協調のバランスを保ち、情報的パターンベクトルを生成し、追加の機能として機能し、拡張のために任意の推奨バックボーンに付加することができる。 実験の結果,異なるモデルに対する手法の優位性と,異なるバックボーン上でのDisCoの互換性が検証された。 それぞれのモデル成分を正当化するために、様々なアブレーション研究や効率解析も行われた。

関連論文リスト

• Bridging the Modality Gap: Dimension Information Alignment and Sparse Spatial Constraint for Image-Text Matching [10.709744162565274]
  本稿では2つの側面からモダリティギャップを橋渡しするDIASと呼ばれる新しい手法を提案する。 この方法はFlickr30kとMSCOCOベンチマークで4.3%-10.2%のrSum改善を実現している。
  論文  参考訳（メタデータ） (2024-10-22T09:37:29Z)
• Space Engage: Collaborative Space Supervision for Contrastive-based Semi-Supervised Semantic Segmentation [11.136170940699163]
  Semi-Supervised Semantic (S4) は、ラベル付き画像に制限のあるセグメンテーションモデルをトレーニングすることを目的としている。 本稿では,潜在空間(表現空間)において,その表現をプロトタイプに完全に教師付きで集約する画素単位のコントラスト学習手法を提案する。 2つの公開ベンチマークの結果は、最先端の手法と比較して、提案手法の競合性能を実証している。
  論文  参考訳（メタデータ） (2023-07-19T05:39:15Z)
• Concurrent Discrimination and Alignment for Self-Supervised Feature Learning [52.213140525321165]
  既存の自己指導型学習手法は,(1)どの特徴が分離されるべきかを明確に示すこと,あるいは(2)どの特徴が閉じるべきかを明確に示すこと,のいずれかのプリテキストタスクを用いて学習する。 本研究では,識別・調整手法の正の側面を組み合わせて,上記の課題に対処するハイブリッド手法を設計する。 本手法は,識別的予測タスクによってそれぞれ反発とアトラクションのメカニズムを明確に特定し,ペアビュー間の相互情報を同時に最大化する。 確立された9つのベンチマーク実験により,提案モデルが自己監督と移動の既成結果より一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-19T09:07:41Z)
• Dual Metric Learning for Effective and Efficient Cross-Domain Recommendations [85.6250759280292]
  クロスドメインレコメンダーシステムは、消費者が異なるアプリケーションで有用なアイテムを識別するのを助けるためにますます価値があります。 既存のクロスドメインモデルは、通常、多くのオーバーラップユーザーを必要とするため、いくつかのアプリケーションでは取得が困難である。 本稿では,2つのドメイン間で情報を反復的に伝達する二元学習に基づく新しいクロスドメインレコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-17T09:18:59Z)
• Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
  DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。 前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。 後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
  論文  参考訳（メタデータ） (2021-04-01T03:21:57Z)
• Do Generative Models Know Disentanglement? Contrastive Learning is All You Need [59.033559925639075]
  本論文では,変数空間におけるコントラスト(DisCo)による非監視的,モデル非依存的手法を提案する。 DisCoは、GAN、VAE、およびフローを含む、事前訓練された非解離生成モデルに与えられた最先端の解離を達成します。
  論文  参考訳（メタデータ） (2021-02-21T08:01:20Z)
• Joint Disentangling and Adaptation for Cross-Domain Person Re-Identification [88.79480792084995]
  本稿では,ID関連・非関連特徴を解き放つ共同学習フレームワークを提案し,ID関連特徴空間にのみ適応を強制する。 我々のモデルは、ドメイン間の画像を共有外観空間と2つの別々の構造空間にエンコードするアンタングルモジュールと、共有外観空間上で対角アライメントと自己学習を行う適応モジュールを含む。
  論文  参考訳（メタデータ） (2020-07-20T17:57:02Z)

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。