Fugu-MT 論文翻訳(概要): Learning Positional Attention for Sequential Recommendation

論文の概要: Learning Positional Attention for Sequential Recommendation

arxiv url: http://arxiv.org/abs/2407.02793v2
Date: Fri, 11 Oct 2024 10:45:46 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-14 13:28:11.390108
Title: Learning Positional Attention for Sequential Recommendation
Title（参考訳）: シークエンシャルレコメンデーションのための位置注意の学習
Authors: Fan Luo, Haibo He, Juan Zhang, Shenghui Xu,
Abstract要約: 位置関係を直接学習する新しい注意モデルを導入する。提案モデルである textbfPARec と textbfFPARec は,従来の自己意識に基づくアプローチよりも優れていた。
参考スコア（独自算出の注目度）: 21.193999811562414
License:
Abstract: Self-attention-based networks have achieved remarkable performance in sequential recommendation tasks. A crucial component of these models is positional encoding. In this study, we delve into the learned positional embedding, demonstrating that it often captures the distance between tokens. Building on this insight, we introduce novel attention models that directly learn positional relations. Extensive experiments reveal that our proposed models, \textbf{PARec} and \textbf{FPARec} outperform previous self-attention-based approaches.Our code is available at the link for anonymous review: https://anonymous.4open.science/ r/FPARec-2C55/
Abstract（参考訳）: 自己注意型ネットワークは、シーケンシャルなレコメンデーションタスクにおいて顕著なパフォーマンスを達成した。これらのモデルの重要な構成要素は位置符号化である。本研究では,学習した位置埋め込みを探索し,トークン間の距離をよく捉えることを示した。この知見に基づいて、位置関係を直接学習する新しい注意モデルを導入する。大規模な実験により、提案されたモデルである \textbf{PARec} と \textbf{FPARec} が、従来の自己意図に基づくアプローチより優れていることが判明した。

関連論文リスト

Unsupervised Keypoints from Pretrained Diffusion Models [31.147785019795347]
我々は、テキストから画像への拡散モデルにおける創発的な知識を、より堅牢な教師なしキーポイントに活用する。私たちの中核となる考え方は、生成モデルが画像のコンパクトな領域に一貫して従う原因となるテキスト埋め込みを見つけることです。 CelebA、CUB-200-2011、Tai-Chi-HD、DeepFashion、Human3.6mのデータセットでパフォーマンスを検証する。
論文参考訳（メタデータ） (2023-11-29T19:43:38Z)
ResMatch: Residual Attention Learning for Local Feature Matching [51.07496081296863]
従来の特徴マッチングとフィルタリングの観点から、クロスアテンションとセルフアテンションを再考する。我々は,記述者と相対的な位置の類似性を,クロスアテンションスコアとセルフアテンションスコアに注入する。我々は、記述子と相対的な位置の類似性に応じて隣人内および隣人間を採掘する。
論文参考訳（メタデータ） (2023-07-11T11:32:12Z)
DenseDINO: Boosting Dense Self-Supervised Learning with Token-Based Point-Level Consistency [12.881617910150688]
本稿では,DenseDINOと呼ばれる自己教師型学習のためのトランスフォーマーフレームワークを提案する。具体的には、DenseDINOは参照トークンと呼ばれるいくつかの追加の入力トークンを導入し、ポイントレベルの特徴と以前の位置とを一致させる。提案手法は,バニラDINOと比較して,ImageNetの分類で評価すると,競争性能が向上する。
論文参考訳（メタデータ） (2023-06-06T15:04:45Z)
Bootstrap Your Own Correspondences [15.715143016999695]
BYOCはRGB-Dビデオから視覚的特徴と幾何学的特徴を学習する自己教師型アプローチである。屋内シーンのデータセットに対するアプローチを評価し,従来の記述子や学習した記述子よりも優れた手法であることが確認された。
論文参考訳（メタデータ） (2021-06-01T17:59:08Z)
Online Multiple Object Tracking with Cross-Task Synergy [120.70085565030628]
位置予測と埋め込み結合の相乗効果を考慮した新しい統一モデルを提案する。この2つのタスクは、時間認識対象の注意と注意の注意、およびアイデンティティ認識メモリ集約モデルによってリンクされる。
論文参考訳（メタデータ） (2021-04-01T10:19:40Z)
S^3-Rec: Self-Supervised Learning for Sequential Recommendation with Mutual Information Maximization [104.87483578308526]
本稿では,シーケンスレコメンデーションのための自己改善学習のためのモデルS3-Recを提案する。そこで本稿では,属性,項目,サブシーケンス,シーケンス間の相関関係を学習するために,4つの補助的自己教師対象を考案する。 6つの実世界のデータセットで実施された大規模な実験は、既存の最先端手法よりも提案手法が優れていることを示す。
論文参考訳（メタデータ） (2020-08-18T11:44:10Z)
Relation-Guided Representation Learning [53.60351496449232]
本稿では,サンプル関係を明示的にモデル化し,活用する表現学習手法を提案する。私たちのフレームワークは、サンプル間の関係をよく保存します。サンプルをサブスペースに埋め込むことにより,本手法が大規模なサンプル外問題に対処可能であることを示す。
論文参考訳（メタデータ） (2020-07-11T10:57:45Z)
Unsupervised Learning of Video Representations via Dense Trajectory Clustering [86.45054867170795]
本稿では,ビデオにおける行動認識のための表現の教師なし学習の課題に対処する。まず、このクラスの2つのトップパフォーマンス目標(インスタンス認識と局所集約)を適用することを提案する。有望な性能を観察するが、定性的解析により、学習した表現が動きのパターンを捉えないことを示す。
論文参考訳（メタデータ） (2020-06-28T22:23:03Z)
Attention improves concentration when learning node embeddings [1.2233362977312945]
検索クエリテキストでラベル付けされたノードを考えると、製品を共有する関連クエリへのリンクを予測したい。様々なディープニューラルネットワークを用いた実験では、注意機構を備えた単純なフィードフォワードネットワークが埋め込み学習に最適であることが示されている。本稿では,クエリ生成モデルであるAttESTを提案する。このモデルでは,製品とクエリテキストの両方を,潜在空間に埋め込まれたベクトルとして見ることができる。
論文参考訳（メタデータ） (2020-06-11T21:21:12Z)
Active Learning for Coreference Resolution using Discrete Annotation [76.36423696634584]
我々は、コア参照解決におけるアクティブラーニングのためのペアワイズアノテーションを改善した。提案された参照ペアがコアフェレントでないと判断された場合、アノテータに参照アンテセントを識別するよう依頼する。既存のベンチマークコアベンチマークデータセットを用いた実験では、この追加質問からの信号が人間のアノテーション時間当たりの大幅なパフォーマンス向上につながることが示された。
論文参考訳（メタデータ） (2020-04-28T17:17:11Z)

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。