論文の概要: Unified Dual-Intent Translation for Joint Modeling of Search and Recommendation

• arxiv url: http://arxiv.org/abs/2407.00912v1
• Date: Mon, 01 Jul 2024 02:36:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 20:44:02.753545
• Title: Unified Dual-Intent Translation for Joint Modeling of Search and Recommendation
• Title（参考訳）: 検索とレコメンデーションの結合モデリングのための統合デュアルインテント翻訳
• Authors: Yuting Zhang, Yiqing Wu, Ruidong Han, Ying Sun, Yongchun Zhu, Xiang Li, Wei Lin, Fuzhen Zhuang, Zhulin An, Yongjun Xu,
• Abstract要約: We propose a novel model named Unified Dual-Intents Translation for joint modeling of Search and Recommendation (UDITSR)。 ユーザの推奨する要求意図を正確にシミュレートするために,検索データからの実際のクエリを監視情報として利用し,その生成をガイドする。 大規模な実験では、UDITSRは検索とレコメンデーションの両方においてSOTAベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 44.59113848489519
• License:
• Abstract: Recommendation systems, which assist users in discovering their preferred items among numerous options, have served billions of users across various online platforms. Intuitively, users' interactions with items are highly driven by their unchanging inherent intents (e.g., always preferring high-quality items) and changing demand intents (e.g., wanting a T-shirt in summer but a down jacket in winter). However, both types of intents are implicitly expressed in recommendation scenario, posing challenges in leveraging them for accurate intent-aware recommendations. Fortunately, in search scenario, often found alongside recommendation on the same online platform, users express their demand intents explicitly through their query words. Intuitively, in both scenarios, a user shares the same inherent intent and the interactions may be influenced by the same demand intent. It is therefore feasible to utilize the interaction data from both scenarios to reinforce the dual intents for joint intent-aware modeling. But the joint modeling should deal with two problems: 1) accurately modeling users' implicit demand intents in recommendation; 2) modeling the relation between the dual intents and the interactive items. To address these problems, we propose a novel model named Unified Dual-Intents Translation for joint modeling of Search and Recommendation (UDITSR). To accurately simulate users' demand intents in recommendation, we utilize real queries from search data as supervision information to guide its generation. To explicitly model the relation among the triplet <inherent intent, demand intent, interactive item>, we propose a dual-intent translation propagation mechanism to learn the triplet in the same semantic space via embedding translations. Extensive experiments demonstrate that UDITSR outperforms SOTA baselines both in search and recommendation tasks.
• Abstract（参考訳）: さまざまな選択肢の中から好みの項目を見つけるのを助けるレコメンデーションシステムは、さまざまなオンラインプラットフォームに何十億ものユーザーをサービスしている。 直感的には、ユーザとアイテムとのインタラクションは、変化しない固有の意図(例えば、常に高品質なアイテムを好む)と需要意図の変化(例えば、夏はTシャツが欲しいが、冬はダウンジャケット)によって強く推進される。 しかしながら、両方のインテントは暗黙的にレコメンデーションシナリオで表現され、正確なインテント認識レコメンデーションにそれらを活用する上での課題を提起する。 幸運なことに、検索のシナリオでは、しばしば同じオンラインプラットフォーム上でレコメンデーションと一緒に見られる。 直感的には、どちらのシナリオでも、ユーザーは同じ本質的な意図を共有し、その相互作用は、同じ要求意図に影響される可能性がある。 したがって、双方のシナリオからの相互作用データを利用して、共同意図認識モデリングのための二重意図を強化することが可能である。 しかし、共同モデリングは2つの問題に対処すべきである。 1) 利用者の暗黙の要求意図を正確にモデル化すること。 2) 2つの意図と対話的項目の関係をモデル化する。 これらの問題に対処するため,UDITSR (Unified Dual-Intents Translation) という新しいモデルを提案する。 ユーザの推奨する要求意図を正確にシミュレートするために,検索データからの実際のクエリを監視情報として利用し,その生成をガイドする。 本稿では,三重項<本質的意図,要求意図,対話的対象>の関係を明示的にモデル化するために,同じ意味空間における三重項を埋め込み変換により学習するための二元的翻訳伝達機構を提案する。 大規模な実験では、UDITSRは検索とレコメンデーションの両方においてSOTAベースラインを上回っている。

関連論文リスト

• Can Your Model Tell a Negation from an Implicature? Unravelling Challenges With Intent Encoders [24.42199777529863]
  大きな言語モデル(LLM)は、プロンプトを使って埋め込み空間のセマンティクスを調整できる埋め込みを可能にする。 従来の評価ベンチマークは、セマンティック理解に関連するギャップを特に計測しないタスクメトリクスのみに依存しています。 インテント埋め込みモデルのより包括的なビューを提供するインテントセマンティックツールキットを提案する。
  論文  参考訳（メタデータ） (2024-03-07T08:32:17Z)
• Co-guiding for Multi-intent Spoken Language Understanding [53.30511968323911]
  本稿では,2つのタスク間の相互指導を実現するための2段階のフレームワークを実装した,コガイドネットと呼ばれる新しいモデルを提案する。 第1段階では,単一タスクによる教師付きコントラスト学習を提案し,第2段階ではコガイドによる教師付きコントラスト学習を提案する。 マルチインテリジェントSLU実験の結果,我々のモデルは既存のモデルよりも大きなマージンで優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-22T08:06:22Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• USER: A Unified Information Search and Recommendation Model based on Integrated Behavior Sequence [36.91974576050925]
  これら2つのタスクを共同でモデリングすることで,両者のメリットが得られ,最終的にはユーザ満足度が向上する,と私たちは主張する。 本稿では,まず,ユーザの振る舞いを検索とレコメンデーションに組み込んだ異種行動シーケンスを提案し,その上で,両タスクの処理にジョイントモデルを利用する。
  論文  参考訳（メタデータ） (2021-09-30T11:06:15Z)
• From Implicit to Explicit feedback: A deep neural network for modeling sequential behaviours and long-short term preferences of online users [3.464871689508835]
  暗黙的かつ明示的なフィードバックは、有用な推奨のために異なる役割を持つ。 ユーザの嗜好は,長期的利益と短期的利益の組み合わせである,という仮説から導かれる。
  論文  参考訳（メタデータ） (2021-07-26T16:59:20Z)
• Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
  社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。 高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:30Z)
• User Intent Inference for Web Search and Conversational Agents [3.9400263964632836]
  1)会話エージェントに対する発話トピックと意図の分類 2) Web検索エンジンに対する質問意図のマイニングと分類。 最初の話題に対処するために,ユーザの発話の話題と意図の両方を予測するために,エンティティ情報と会話内容の手がかりを組み込む新しいモデルを提案した。 第2の研究テーマとして,Web検索意図予測における工法の現状をeコマース領域に拡張する計画を立てる。
  論文  参考訳（メタデータ） (2020-05-28T07:04:42Z)
• AGIF: An Adaptive Graph-Interactive Framework for Joint Multiple Intent Detection and Slot Filling [69.59096090788125]
  本稿では,多目的検出とスロットフィリングを併用する適応グラフ対話フレームワーク(AGIF)を提案する。 スロットとインテントの強い相関関係をモデル化するために,インテント-スロットグラフ相互作用層を導入する。 このような相互作用層が各トークンに適応的に適用され、関連する意図情報を自動抽出する利点がある。
  論文  参考訳（メタデータ） (2020-04-21T15:07:34Z)
• IART: Intent-aware Response Ranking with Transformers in Information-seeking Conversation Systems [80.0781718687327]
  我々は、情報探索会話におけるユーザ意図パターンを分析し、意図認識型ニューラルレスポンスランキングモデル「IART」を提案する。 IARTは、ユーザ意図モデリングと言語表現学習とTransformerアーキテクチャの統合の上に構築されている。
  論文  参考訳（メタデータ） (2020-02-03T05:59:52Z)

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。