論文の概要: Graph and Sequential Neural Networks in Session-based Recommendation: A Survey

• arxiv url: http://arxiv.org/abs/2408.14851v1
• Date: Tue, 27 Aug 2024 08:08:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 16:53:38.741410
• Title: Graph and Sequential Neural Networks in Session-based Recommendation: A Survey
• Title（参考訳）: セッションベースレコメンデーションにおけるグラフとシークエンシャルニューラルネットワーク
• Authors: Zihao Li, Chao Yang, Yakun Chen, Xianzhi Wang, Hongxu Chen, Guandong Xu, Lina Yao, Quan Z. Sheng,
• Abstract要約: セッションベースのレコメンデーション(SR)は、ユーザの短期的な好みのキャプチャを専門とし、よりダイナミックでタイムリーなレコメンデーションを提供することを目指している。 まず、様々なSRタスクの定義を明確にし、セッションベースレコメンデーションの特徴を紹介する。 第2に,既存の手法を,逐次ニューラルネットワークとグラフニューラルネットワーク(GNN)の2つのカテゴリにまとめる。
• 参考スコア（独自算出の注目度）: 41.59094128068782
• License:
• Abstract: Recent years have witnessed the remarkable success of recommendation systems (RSs) in alleviating the information overload problem. As a new paradigm of RSs, session-based recommendation (SR) specializes in users' short-term preference capture and aims to provide a more dynamic and timely recommendation based on the ongoing interacted actions. In this survey, we will give a comprehensive overview of the recent works on SR. First, we clarify the definitions of various SR tasks and introduce the characteristics of session-based recommendation against other recommendation tasks. Then, we summarize the existing methods in two categories: sequential neural network based methods and graph neural network (GNN) based methods. The standard frameworks and technical are also introduced. Finally, we discuss the challenges of SR and new research directions in this area.
• Abstract（参考訳）: 近年、情報過負荷問題を緩和するレコメンデーションシステム(RS)が顕著に成功しているのを目撃している。 セッションベースのレコメンデーション(SR)は、RSの新しいパラダイムとして、ユーザの短期的な嗜好のキャプチャを専門とし、進行中のインタラクションアクションに基づいたよりダイナミックでタイムリーなレコメンデーションを提供することを目指している。 本稿では、SRに関する最近の研究の概要について概観する。 まず,様々なSRタスクの定義を明確にし,他のレコメンデーションタスクに対するセッションベースレコメンデーションの特徴を紹介する。 次に,既存の手法を,逐次ニューラルネットワークに基づく手法とグラフニューラルネットワーク(GNN)に基づく手法の2つのカテゴリにまとめる。 標準フレームワークや技術も導入されている。 最後に、この領域におけるSRの課題と新たな研究方向性について論じる。

関連論文リスト

• A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
  関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。 ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。 この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
  論文  参考訳（メタデータ） (2023-06-03T08:39:25Z)
• Guided Depth Map Super-resolution: A Survey [88.54731860957804]
  誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。 近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。 この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
  論文  参考訳（メタデータ） (2023-02-19T15:43:54Z)
• SimCGNN: Simple Contrastive Graph Neural Network for Session-based Recommendation [13.335104151715946]
  セッションベースのレコメンデーション問題は、匿名ユーザの次のイテム予測に焦点を当てている。 既存のグラフベースのSBRメソッドには、すべてのセッションを同じアイテムで区別する機能がない。 本稿ではセッションベースレコメンデーション(SimCGNN)のための単純なコントラストグラフニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2023-02-08T11:13:22Z)
• Sequential/Session-based Recommendations: Challenges, Approaches, Applications and Opportunities [20.968084179750143]
  シーケンシャルレコメンダシステム(SRS)とセッションベースレコメンダシステム(SBRS)は、RSの新しいパラダイムとして登場した。 この領域には、さまざまな説明、設定、前提、アプリケーションドメインによって、多くの矛盾がある。 この研究は、このエキサイティングで活気ある領域のさらなる研究を促進するために、これらのギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2022-05-22T06:17:36Z)
• Reinforcement Learning based Path Exploration for Sequential Explainable Recommendation [57.67616822888859]
  強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。 TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。 2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2021-11-24T04:34:26Z)
• UBER-GNN: A User-Based Embeddings Recommendation based on Graph Neural Networks [27.485553372163732]
  本稿では,グラフニューラルネットワーク,UBER-GNNを用いたユーザベースの埋め込み提案を提案する。 UBER-GNNは構造化データを利用して長期のユーザの好みを生成し、セッションシーケンスをグラフに転送し、グラフベースの動的関心事を生成する。 実際のPingでの実験は、UBER-GNNが最先端のセッションベースのレコメンデーションメソッドより優れていることを示している。
  論文  参考訳（メタデータ） (2020-08-06T09:54:03Z)
• Hybrid Session-based News Recommendation using Recurrent Neural Networks [4.6193503399184275]
  セッションベースのニュースレコメンデーションのためのハイブリッドメタアーキテクチャCHAMELEONについて述べる。 本結果は,セッションクリックのシーケンスをRNNでモデル化することの利点を裏付けるものである。
  論文  参考訳（メタデータ） (2020-06-22T17:24:43Z)
• Deep Conversational Recommender Systems: A New Frontier for Goal-Oriented Dialogue Systems [54.06971074217952]
  Conversational Recommender System (CRS)は対話型対話を通じてユーザの好みを学習し、モデル化する。 ディープラーニングアプローチはCRSに適用され、実りある結果を生み出した。
  論文  参考訳（メタデータ） (2020-04-28T02:20:42Z)
• Sequential Recommender Systems: Challenges, Progress and Prospects [50.12218578518894]
  シーケンシャルレコメンダシステム(SRS)は、シーケンシャルなユーザ行動、ユーザとアイテム間の相互作用、ユーザの好みとアイテムの人気の時間的変化を理解し、モデル化しようとする。 まず, SRSの特徴を概説し, 研究領域における課題をまとめ, 分類し, そして, 最新の研究成果と代表的研究成果から, 対応する研究の進展を概説する。
  論文  参考訳（メタデータ） (2019-12-28T05:12:28Z)

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。