論文の概要: Modeling and Analyzing the Influence of Non-Item Pages on Sequential Next-Item Prediction

• arxiv url: http://arxiv.org/abs/2408.15953v2
• Date: Thu, 26 Sep 2024 10:22:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-08 04:30:58.541485
• Title: Modeling and Analyzing the Influence of Non-Item Pages on Sequential Next-Item Prediction
• Title（参考訳）: 時系列次項目予測における非項目ページの影響のモデル化と解析
• Authors: Elisabeth Fischer, Albin Zehe, Andreas Hotho, Daniel Schlör,
• Abstract要約: シーケンシャルレコメンデーションモデルに非イテムページを組み込む方法を示す。 我々は、一般的なシーケンシャルレコメンデータモデルを適用して、非itemページを統合する。 その結果,非イテムページは貴重な情報源であることがわかった。
• 参考スコア（独自算出の注目度）: 2.464194460689648
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analyzing sequences of interactions between users and items, sequential recommendation models can learn user intent and make predictions about the next item. Next to item interactions, most systems also have interactions with what we call non-item pages: these pages are not related to specific items but still can provide insights of the user's interests, as, for example, navigation pages. We therefore propose a general way to include these non-item pages in sequential recommendation models to enhance next-item prediction. First, we demonstrate the influence of non-item pages on following interactions with the hypotheses testing framework HypTrails and propose methods for representing non-item pages in sequential recommendation models. Subsequently, we adapt popular sequential recommender models to integrate non-item pages and investigate their performance with different item representation strategies as well as their ability to handle noisy data. To show the general capabilities of the models to integrate non-item pages, we create a synthetic dataset for a controlled setting and then evaluate the improvements from including non-item pages on two real-world datasets. Our results show that non-item pages are a valuable source of information, and incorporating them in sequential recommendation models increases the performance of next-item prediction across all analyzed model architectures.
• Abstract（参考訳）: ユーザとアイテム間のインタラクションのシーケンスを分析し、シーケンシャルなレコメンデーションモデルは、ユーザの意図を学習し、次のアイテムについて予測する。 これらのページは特定の項目とは無関係ですが、ナビゲーションページのように、ユーザの関心事に関する洞察を提供することができます。 そこで我々は,これらの非イテムページを逐次レコメンデーションモデルに含め,次のイテム予測を強化する方法を提案する。 まず、仮説テストフレームワークHypTrailsとの相互作用に対する非イトムページの影響を実証し、シーケンシャルレコメンデーションモデルで非イトムページを表現する方法を提案する。 その後、一般的なシーケンシャルレコメンデータモデルを適用して、非イテムページを統合し、異なる項目表現戦略とノイズの多いデータを扱う能力でそれらのパフォーマンスを調査する。 モデルが非itemページを統合する能力を示すため、制御された設定のための合成データセットを作成し、2つの実世界のデータセットに非itemページを含めることによる改善を評価する。 この結果から,非イテムページは情報ソースとして有用であることが示され,それらを逐次レコメンデーションモデルに組み込むことで,解析されたモデルアーキテクチャ全体にわたって次イテム予測の性能が向上することがわかった。

関連論文リスト

• Dot Product is All You Need: Bridging the Gap Between Item Recommendation and Link Prediction [18.153652861826917]
  本稿では,項目推薦問題をリンク予測問題の事例とみなすことができることを示す。 これらの予測精度は,10種類の最先端レコメンデーションモデルと競合することを示す。
  論文  参考訳（メタデータ） (2024-09-11T17:27:04Z)
• Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential Recommendations [50.03560306423678]
  本稿では,レコメンダシステムのための適応型マルチラウンド検索パラダイムであるAda-Retrievalを提案する。 Ada-Retrievalは、ユーザー表現を反復的に洗練し、全項目領域の潜在的な候補をよりよく捉えます。
  論文  参考訳（メタデータ） (2024-01-12T15:26:40Z)
• Recommender Systems with Generative Retrieval [58.454606442670034]
  本稿では,対象候補の識別子を自己回帰的に復号する新たな生成検索手法を提案する。 そのために、各項目のセマンティックIDとして機能するために、意味論的に意味のあるコードワードを作成します。 提案手法を用いて学習した推薦システムは,様々なデータセット上での現在のSOTAモデルよりも大幅に優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-08T21:48:17Z)
• Incorporating Relevance Feedback for Information-Seeking Retrieval using Few-Shot Document Re-Ranking [56.80065604034095]
  我々は,クエリとユーザが関連すると考えるドキュメントとの類似性に基づいて,文書を再参照するkNNアプローチを提案する。 異なる統合戦略を評価するため、既存の4つの情報検索データセットを関連フィードバックシナリオに変換する。
  論文  参考訳（メタデータ） (2022-10-19T16:19:37Z)
• Modeling Users' Contextualized Page-wise Feedback for Click-Through Rate Prediction in E-commerce Search [29.661232361168956]
  本稿では,ページワイズ製品全体を含め,コンテキスト認識型ユーザ行動モデリングの新しい視点を提案する。 ページ内コンテキスト情報とページ間関心の進化をキャプチャして、より具体的なユーザの好みを学習することができる。
  論文  参考訳（メタデータ） (2022-03-29T13:26:55Z)
• Learning Dual Dynamic Representations on Time-Sliced User-Item Interaction Graphs for Sequential Recommendation [62.30552176649873]
  シーケンシャルレコメンデーションのための動的表現学習モデル(DRL-SRe)を考案する。 両面から動的に特徴付けるためのユーザ・イテム相互作用をモデル化するため,提案モデルでは,時間スライス毎にグローバルなユーザ・イテム相互作用グラフを構築した。 モデルが微粒な時間情報を捕捉することを可能にするため,連続時間スライス上での補助的時間予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-09-24T07:44:27Z)
• Set2setRank: Collaborative Set to Set Ranking for Implicit Feedback based Recommendation [59.183016033308014]
  本稿では,暗黙的フィードバックの特徴を探究し,推奨するSet2setRankフレームワークを提案する。 提案するフレームワークはモデルに依存しず,ほとんどの推奨手法に容易に適用できる。
  論文  参考訳（メタデータ） (2021-05-16T08:06:22Z)
• PreSizE: Predicting Size in E-Commerce using Transformers [76.33790223551074]
  PreSizEは、Transformerを使って正確なサイズ予測を行う新しいディープラーニングフレームワークである。 我々は,PreSizEが従来の最先端のベースラインよりも優れた予測性能を実現できることを示した。 概念実証として、PreSizEによるサイズ予測が、既存の生産推奨システムに統合できることを実証しています。
  論文  参考訳（メタデータ） (2021-05-04T15:23:59Z)

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。