論文の概要: TRACE: Transformer-based user Representations from Attributed Clickstream Event sequences

• arxiv url: http://arxiv.org/abs/2409.12972v1
• Date: Mon, 2 Sep 2024 23:33:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 12:36:59.677198
• Title: TRACE: Transformer-based user Representations from Attributed Clickstream Event sequences
• Title（参考訳）: TRACE: 分散クリックストリームイベントシーケンスからのトランスフォーマーベースのユーザ表現
• Authors: William Black, Alexander Manlove, Jack Pennington, Andrea Marchini, Ercument Ilhan, Vilda Markeviciute,
• Abstract要約: 本稿では,リアルタイムレコメンデーションアプリケーションのために,ライブマルチセッションクリックストリームからリッチなユーザ埋め込みを生成する新しいアプローチであるTRACEを紹介する。 大規模な旅行eコマースデータセットの広範な実験を通じて, TRACE のバニラ変圧器や LLM スタイルのアーキテクチャよりも優れた性能を示す。
• 参考スコア（独自算出の注目度）: 37.69303106863453
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: For users navigating travel e-commerce websites, the process of researching products and making a purchase often results in intricate browsing patterns that span numerous sessions over an extended period of time. The resulting clickstream data chronicle these user journeys and present valuable opportunities to derive insights that can significantly enhance personalized recommendations. We introduce TRACE, a novel transformer-based approach tailored to generate rich user embeddings from live multi-session clickstreams for real-time recommendation applications. Prior works largely focus on single-session product sequences, whereas TRACE leverages site-wide page view sequences spanning multiple user sessions to model long-term engagement. Employing a multi-task learning framework, TRACE captures comprehensive user preferences and intents distilled into low-dimensional representations. We demonstrate TRACE's superior performance over vanilla transformer and LLM-style architectures through extensive experiments on a large-scale travel e-commerce dataset of real user journeys, where the challenges of long page-histories and sparse targets are particularly prevalent. Visualizations of the learned embeddings reveal meaningful clusters corresponding to latent user states and behaviors, highlighting TRACE's potential to enhance recommendation systems by capturing nuanced user interactions and preferences
• Abstract（参考訳）: 旅行eコマースのWebサイトをナビゲートするユーザにとって、製品の調査と購入のプロセスは、長い期間にわたって多くのセッションにまたがる複雑なブラウジングパターンをもたらすことが多い。 結果として得られたクリックストリームデータは、これらのユーザージャーニーを年代記し、パーソナライズされたレコメンデーションを大幅に強化できる洞察を導き出す貴重な機会を提供する。 本稿では,リアルタイムレコメンデーションアプリケーションのために,ライブマルチセッションクリックストリームからリッチなユーザ埋め込みを生成するためのトランスフォーマーベースの新しいアプローチであるTRACEを紹介する。 TRACEは、複数のユーザセッションにまたがるサイト全体のページビューシーケンスを活用して、長期的なエンゲージメントをモデル化する。 マルチタスク学習フレームワークを用いて、TRACEは、低次元表現に蒸留された包括的なユーザの好みと意図をキャプチャする。 TRACE がバニラトランスフォーマーや LLM スタイルのアーキテクチャよりも優れていることを実ユーザ旅行の大規模な旅行eコマースデータセットに関する大規模な実験を通じて実証する。 学習した埋め込みの可視化は、潜伏したユーザ状態と行動に対応する有意義なクラスタを明らかにし、ナンスなユーザインタラクションと嗜好をキャプチャしてレコメンデーションシステムを強化するTRACEの可能性を強調している。

関連論文リスト

• MISSRec: Pre-training and Transferring Multi-modal Interest-aware Sequence Representation for Recommendation [61.45986275328629]
  逐次レコメンデーションのためのマルチモーダル事前学習・転送学習フレームワークであるMISSRecを提案する。 ユーザ側ではトランスフォーマーベースのエンコーダデコーダモデルを設計し、コンテキストエンコーダがシーケンスレベルのマルチモーダルユーザ興味を捉えることを学習する。 候補項目側では,ユーザ適応項目表現を生成するために動的融合モジュールを採用する。
  論文  参考訳（メタデータ） (2023-08-22T04:06:56Z)
• Learning Large-scale Universal User Representation with Sparse Mixture of Experts [1.2722697496405464]
  複数のタスクから高品質なユーザ表現を得るための汎用フレームワーク SUPERMOE を提案する。 具体的には、ユーザ動作シーケンスをMoE変換器で符号化することで、モデル容量を数十億のパラメータに増やすことができる。 複数のタスクにまたがる学習においてシーソー現象に対処するために,タスクインジケータを用いた新たな損失関数を設計する。
  論文  参考訳（メタデータ） (2022-07-11T06:19:03Z)
• Multi-Behavior Sequential Recommendation with Temporal Graph Transformer [66.10169268762014]
  マルチビヘイビア・インタラクティブなパターンを意識した動的ユーザ・イテム関係学習に取り組む。 本稿では,動的短期および長期のユーザ・イテム対話パターンを共同でキャプチャする,TGT(Temporal Graph Transformer)レコメンデーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T15:42:54Z)
• UserBERT: Modeling Long- and Short-Term User Preferences via Self-Supervision [6.8904125699168075]
  本稿では,BERTモデルを電子商取引ユーザデータに拡張し,自己教師型で表現を事前学習する。 文中の単語に類似したシーケンスでユーザアクションを見ることにより、既存のBERTモデルをユーザ行動データに拡張する。 本稿では,異なる種類のユーザ行動シーケンスのトークン化,入力表現の生成,および事前学習されたモデルが自身の入力から学習できるようにするための新しいプレテキストタスクを提案する。
  論文  参考訳（メタデータ） (2022-02-14T08:31:36Z)
• RETE: Retrieval-Enhanced Temporal Event Forecasting on Unified Query Product Evolutionary Graph [18.826901341496143]
  時間的イベント予測は、統合クエリ製品進化グラフにおける新しいユーザ行動予測タスクである。 本稿では,新しいイベント予測フレームワークを提案する。 既存手法とは違って,グラフ全体の大まかに連結されたエンティティを通じてユーザ表現を強化する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-12T19:27:56Z)
• Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation [56.12499090935242]
  本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。 KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。 KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-08T09:44:00Z)
• 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)
• Learning Transferrable Parameters for Long-tailed Sequential User Behavior Modeling [70.64257515361972]
  テールユーザに注力することで、より多くのメリットをもたらし、長いテールの問題に対処できる、と私たちは主張しています。 具体的には、頭部から尾部への知識伝達を容易にするために、勾配アライメントを提案し、敵のトレーニングスキームを採用する。
  論文  参考訳（メタデータ） (2020-10-22T03:12:02Z)

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。