論文の概要: Enhancing Sequential Music Recommendation with Negative Feedback-informed Contrastive Learning
- arxiv url: http://arxiv.org/abs/2409.07367v1
- Date: Wed, 11 Sep 2024 15:56:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 15:56:13.038773
- Title: Enhancing Sequential Music Recommendation with Negative Feedback-informed Contrastive Learning
- Title（参考訳）: 負のフィードバックインフォームド・コントラスト学習による逐次音楽推薦の強化
- Authors: Pavan Seshadri, Shahrzad Shashaani, Peter Knees,
- Abstract要約: セッションベース音楽レコメンデーションにアイテム埋め込みを構成するためのシーケンス対応サブタスクを提案する。
これは、K-nearest-neighbors検索でアイテムランキングに直接影響する。
シーケンシャルアイテムレコメンデーションのために、このタスクをSoTAメソッドに組み込んだ実験は、一貫したパフォーマンス向上を示す。
- 参考スコア（独自算出の注目度）: 0.20482269513546453
- License:
- Abstract: Modern music streaming services are heavily based on recommendation engines to serve content to users. Sequential recommendation -- continuously providing new items within a single session in a contextually coherent manner -- has been an emerging topic in current literature. User feedback -- a positive or negative response to the item presented -- is used to drive content recommendations by learning user preferences. We extend this idea to session-based recommendation to provide context-coherent music recommendations by modelling negative user feedback, i.e., skips, in the loss function. We propose a sequence-aware contrastive sub-task to structure item embeddings in session-based music recommendation, such that true next-positive items (ignoring skipped items) are structured closer in the session embedding space, while skipped tracks are structured farther away from all items in the session. This directly affects item rankings using a K-nearest-neighbors search for next-item recommendations, while also promoting the rank of the true next item. Experiments incorporating this task into SoTA methods for sequential item recommendation show consistent performance gains in terms of next-item hit rate, item ranking, and skip down-ranking on three music recommendation datasets, strongly benefiting from the increasing presence of user feedback.
- Abstract（参考訳）: 現代の音楽ストリーミングサービスは、ユーザーにコンテンツを提供するレコメンデーションエンジンに大きく依存している。
連続的なレコメンデーション -- コンテキスト的に一貫性のある方法で、単一のセッション内で新しいアイテムを継続的に提供する -- は、現在の文献で新たなトピックとなっている。
ユーザからのフィードバック -- 提示された項目に対する肯定的あるいは否定的な反応 -- は、ユーザの好みを学習することで、コンテンツレコメンデーションを促進するために使用される。
我々はこのアイデアをセッションベースのレコメンデーションに拡張し、損失関数におけるネガティブなユーザフィードバック、すなわちスキップをモデル化することで、コンテキストコヒーレントな音楽レコメンデーションを提供する。
セッションベース音楽レコメンデーションにアイテム埋め込みを組み込むためのシーケンス対応コントラスト付きサブタスクを提案し、セッション埋め込み空間において、真の次の正のアイテム(スキップされたアイテムを除く)がより近くに配置され、スキップされたトラックがセッション内のすべてのアイテムから遠く離れているように構成する。
これは、K-nearest-neighborsが次の項目の推奨を検索し、真の次の項目のランクを宣伝するアイテムランキングに直接影響する。
このタスクをSoTA手法に組み込んだ実験は、次のヒット率、アイテムランキング、そして3つの楽曲レコメンデーションデータセットのランクダウンといった点において、一貫したパフォーマンス向上を示し、ユーザからのフィードバックの増大の恩恵を強く受けている。
関連論文リスト
- Leveraging Negative Signals with Self-Attention for Sequential Music
Recommendation [0.27195102129094995]
負のフィードバックを取り入れ、正のヒットを促進し、負のヒットを罰する対照的な学習課題を提案する。
実験の結果,これはユーザからのネガティブなフィードバックを無視したベースラインアーキテクチャよりも一貫したパフォーマンス向上をもたらすことがわかった。
論文 参考訳（メタデータ） (2023-09-20T20:21:13Z) - Beyond Single Items: Exploring User Preferences in Item Sets with the
Conversational Playlist Curation Dataset [20.42354123651454]
私たちはこのタスクを会話アイテムセットキュレーションと呼びます。
本稿では,会話環境におけるアイテムセットのリアルな嗜好を効率的に収集する新しいデータ収集手法を提案する。
我々は、それが他の方法では表現されない好みを表現することにつながることを示している。
論文 参考訳（メタデータ） (2023-03-13T00:39:04Z) - Talk the Walk: Synthetic Data Generation for Conversational Music
Recommendation [62.019437228000776]
本稿では,広く利用可能なアイテムコレクションにおいて,符号化された専門知識を活用することで,現実的な高品質な会話データを生成するTalkWalkを提案する。
人間の収集したデータセットで100万以上の多様な会話を生成します。
論文 参考訳（メタデータ） (2023-01-27T01:54:16Z) - Intra-session Context-aware Feed Recommendation in Live Systems [35.84926743736469]
本稿では,全ビューと全クリックを同時に最大化する,セッション内コンテキスト対応フィードレコメンデーションフレームワークを提案する。
提案手法は,セッションレベルのクリックとビューのメトリクスを最適化することを目的とした,フィードレコメンデーション研究に光を当てる。
論文 参考訳（メタデータ） (2022-09-30T04:21:36Z) - Hierarchical Conversational Preference Elicitation with Bandit Feedback [36.507341041113825]
提案システムでは,各ラウンドで推薦するキータームかアイテムのいずれかを選択することができる。
実世界のデータセットを調査・分析し、先行研究と異なり、キーターム報酬は主に代表品の報酬に影響されていることを確認する。
我々は、この観測結果とキータームとアイテム間の階層構造を利用する2つの帯域幅アルゴリズム、Hier-UCBとHier-LinUCBを提案する。
論文 参考訳（メタデータ） (2022-09-06T05:35:24Z) - Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。
本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。
従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
論文 参考訳（メタデータ） (2022-07-04T17:58:39Z) - Positive, Negative and Neutral: Modeling Implicit Feedback in
Session-based News Recommendation [13.905580921329717]
本稿では,肯定的なフィードバックと否定的なフィードバックを通じて,ユーザの振る舞いをモデル化する包括的フレームワークを提案する。
フレームワークは、セッション開始時間と、最初の公開時間を使った記事を使って、暗黙的にユーザーをモデル化する。
3つの実世界のニュースデータセットに対する実証的な評価は、フレームワークの有望なパフォーマンスを示している。
論文 参考訳（メタデータ） (2022-05-12T12:47:06Z) - Explainability in Music Recommender Systems [69.0506502017444]
音楽レコメンダシステム(MRS)の文脈における説明可能性について論じる。
MRSは非常に複雑で、推奨精度に最適化されることが多い。
本稿では、MSSに説明可能性コンポーネントを組み込む方法と、どのようなフォーム説明を提供するかを示す。
論文 参考訳（メタデータ） (2022-01-25T18:32:11Z) - 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) - Seamlessly Unifying Attributes and Items: Conversational Recommendation
for Cold-Start Users [111.28351584726092]
コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。
会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
論文 参考訳（メタデータ） (2020-05-23T08:56:37Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳（メタデータ） (2020-05-19T10:18:43Z)
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。