論文の概要: Enhancing Cross-Market Recommendation System with Graph Isomorphism Networks: A Novel Approach to Personalized User Experience
- arxiv url: http://arxiv.org/abs/2409.07850v1
- Date: Thu, 12 Sep 2024 08:53:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 17:18:01.264094
- Title: Enhancing Cross-Market Recommendation System with Graph Isomorphism Networks: A Novel Approach to Personalized User Experience
- Title（参考訳）: グラフ同型ネットワークによる市場横断推薦システムの実現:パーソナライズされたユーザエクスペリエンスへの新しいアプローチ
- Authors: Sümeyye Öztürk, Ahmed Burak Ercan, Resul Tugay, Şule Gündüz Öğüdücü,
- Abstract要約: グラフアイソモーフィックネットワーク(GIN)を用いて市場横断の推薦システムを改善するCrossGRモデルを提案する。
CrossGRモデルは適応可能で正確であり、市場横断のレコメンデーションタスクの複雑さを扱うのに適している。
以上の結果から,GINはより洗練され,パーソナライズされ,コンテキスト対応のレコメンデーションシステムを実現する上で,CMRにとって有望な方向性を示すことが示唆された。
- 参考スコア（独自算出の注目度）: 0.24999074238880487
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In today's world of globalized commerce, cross-market recommendation systems (CMRs) are crucial for providing personalized user experiences across diverse market segments. However, traditional recommendation algorithms have difficulties dealing with market specificity and data sparsity, especially in new or emerging markets. In this paper, we propose the CrossGR model, which utilizes Graph Isomorphism Networks (GINs) to improve CMR systems. It outperforms existing benchmarks in NDCG@10 and HR@10 metrics, demonstrating its adaptability and accuracy in handling diverse market segments. The CrossGR model is adaptable and accurate, making it well-suited for handling the complexities of cross-market recommendation tasks. Its robustness is demonstrated by consistent performance across different evaluation timeframes, indicating its potential to cater to evolving market trends and user preferences. Our findings suggest that GINs represent a promising direction for CMRs, paving the way for more sophisticated, personalized, and context-aware recommendation systems in the dynamic landscape of global e-commerce.
- Abstract（参考訳）: グローバルなコマースの世界では、さまざまな市場セグメントでパーソナライズされたユーザエクスペリエンスを提供するために、クロスマーケットレコメンデーションシステム(CMR)が不可欠です。
しかし、従来のレコメンデーションアルゴリズムは、特に新興市場や新興市場において、市場の特異性やデータの分散性を扱うのが困難である。
本稿では,グラフ同型ネットワーク(GIN)を用いてCMRシステムを改善するCrossGRモデルを提案する。
NDCG@10とHR@10の既存のベンチマークを上回り、多様な市場セグメントを扱う際の適応性と正確性を示している。
CrossGRモデルは適応可能で正確であり、市場横断のレコメンデーションタスクの複雑さを扱うのに適している。
その堅牢性は、さまざまな評価時間枠をまたいだ一貫したパフォーマンスによって示され、市場の動向とユーザの好みを進化させる可能性を示している。
我々の研究結果は、GINはCMRにとって有望な方向性を示し、グローバルeコマースのダイナミックな状況において、より洗練され、パーソナライズされ、コンテキスト対応のレコメンデーションシステムを実現することを示唆している。
関連論文リスト
- Efficient and Robust Regularized Federated Recommendation [52.24782464815489]
推薦システム(RSRS)は、ユーザの好みとプライバシの両方に対処する。
通信効率を向上させるために,非一様勾配勾配勾配を取り入れた新しい手法を提案する。
RFRecFの強靭性は、多様なベースラインに比べて優れている。
論文 参考訳（メタデータ） (2024-11-03T12:10:20Z) - MCI-GRU: Stock Prediction Model Based on Multi-Head Cross-Attention and Improved GRU [15.232546605091818]
本稿では,多頭部クロスアテンション機構と改良型GRUに基づくストック予測モデルMCI-GRUを提案する。
4つの主要株式市場での実験では、提案手法は複数の指標でSOTA技術を上回っている。
論文 参考訳（メタデータ） (2024-09-25T14:37:49Z) - LLM-enhanced Reranking in Recommender Systems [49.969932092129305]
リグレードはレコメンデーションシステムにおいて重要な要素であり、レコメンデーションアルゴリズムの出力を精査する上で重要な役割を果たす。
そこで我々は,様々な格付け基準をシームレスに統合する包括的格付けフレームワークを提案する。
カスタマイズ可能な入力機構も統合されており、言語モデルのフォーカスを特定の再配置のニーズに合わせることができる。
論文 参考訳（メタデータ） (2024-06-18T09:29:18Z) - Revolutionizing Retail Analytics: Advancing Inventory and Customer Insight with AI [0.0]
本稿では,最先端機械学習技術を活用した革新的なアプローチを提案する。
我々は、これらの技術を活用して小売効率と顧客エンゲージメントを向上させる、高度なスマート小売分析システム(SRAS)の構築を目指している。
論文 参考訳（メタデータ） (2024-02-24T11:03:01Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳（メタデータ） (2022-10-22T17:29:34Z) - Federated Domain Generalization for Image Recognition via Cross-Client
Style Transfer [60.70102634957392]
ドメイン一般化(Domain Generalization, DG)は、画像認識においてホットなトピックであり、目に見えないドメインでうまく機能する一般的なモデルを訓練することを目的としている。
本稿では,データサンプルを交換することなく,クロスクライアント型転送(CCST)による画像認識のための新しい領域一般化手法を提案する。
本手法は2つのDGベンチマーク(PACS, OfficeHome)とFL設定における大規模医用画像データセット(Camelyon17)において,最近のSOTA DG法より優れている。
論文 参考訳（メタデータ） (2022-10-03T13:15:55Z) - PARSRec: Explainable Personalized Attention-fused Recurrent Sequential
Recommendation Using Session Partial Actions [0.5801044612920815]
共通のパターンと個人の行動に依存したアーキテクチャを提案する。
Nielsen Consumer Panel データセットの実証結果は,提案手法が最大27.9%のパフォーマンス向上を達成したことを示唆している。
論文 参考訳（メタデータ） (2022-09-16T12:07:43Z) - Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。
OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。
我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文 参考訳（メタデータ） (2022-09-12T09:19:22Z) - Cross-Market Product Recommendation [22.385250578972084]
我々は、資源補助市場において、類似の富裕層からのデータを活用して、資源密閉市場の利用者に関連商品を推薦する問題について検討する。
我々は、市場適応というクロスマーケット製品レコメンデーションの問題を導入し、フォーマル化する。
我々は、市場適応が異なる市場に対する影響を研究する広範囲な実験を行っている。
論文 参考訳（メタデータ） (2021-09-13T12:53:45Z) - MARS-Gym: A Gym framework to model, train, and evaluate Recommender
Systems for Marketplaces [51.123916699062384]
MARS-Gymは、市場におけるレコメンデーションのための強化学習エージェントの構築と評価を行うオープンソースフレームワークである。
本稿では,Trivagoマーケットプレースデータセットにおいて,さまざまなベースラインエージェントの実装とメトリクス駆動による分析を行う。
学術研究と生産システムとのギャップを埋め、新しいアルゴリズムやアプリケーションの設計を容易にしたいと考えている。
論文 参考訳（メタデータ） (2020-09-30T16:39:31Z)
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。