論文の概要: A Hybrid Filtering for Micro-video Hashtag Recommendation using Graph-based Deep Neural Network
- arxiv url: http://arxiv.org/abs/2410.10367v1
- Date: Mon, 14 Oct 2024 10:46:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 13:03:13.873264
- Title: A Hybrid Filtering for Micro-video Hashtag Recommendation using Graph-based Deep Neural Network
- Title（参考訳）: グラフベースディープニューラルネットワークを用いたマイクロビデオハッシュタグレコメンデーションのためのハイブリッドフィルタ
- Authors: Shubhi Bansal, Kushaan Gowda, Mohammad Zia Ur Rehman, Chandravardhan Singh Raghaw, Nagendra Kumar,
- Abstract要約: マイクロビデオのハッシュタグを推奨するMIcro- video hashtag recommendation MISHON手法を提案する。
ハッシュタグはユーザのトピック的関心を反映しているため,過去のタグ付け行動に基づいてユーザ関連性をモデル化する。
また,冷戦開始ユーザと影響力のあるユーザとの関係をモデル化するための,コンテンツと社会的影響に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 0.3573481101204926
- License:
- Abstract: Due to the growing volume of user generated content, hashtags are employed as topic indicators to manage content efficiently on social media platforms. However, finding these vital topics is challenging in microvideos since they contain substantial information in a short duration. Existing methods that recommend hashtags for microvideos primarily focus on content and personalization while disregarding relatedness among users. Moreover, the cold start user issue prevails in hashtag recommendation systems. Considering the above, we propose a hybrid filtering based MIcro-video haSHtag recommendatiON MISHON technique to recommend hashtags for micro-videos. Besides content based filtering, we employ user-based collaborative filtering to enhance recommendations. Since hashtags reflect users topical interests, we find similar users based on historical tagging behavior to model user relatedness. We employ a graph-based deep neural network to model user to user, modality to modality, and user to modality interactions. We then use refined modality specific and user representations to recommend pertinent hashtags for microvideos. The empirical results on three real world datasets demonstrate that MISHON attains a comparative enhancement of 3.6, 2.8, and 6.5 reported in percentage concerning the F1 score, respectively. Since cold start users exist whose historical tagging information is unavailable, we also propose a content and social influence based technique to model the relatedness of cold start users with influential users. The proposed solution shows a relative improvement of 15.8 percent in the F1 score over its content only counterpart. These results show that the proposed framework mitigates the cold start user problem.
- Abstract（参考訳）: ユーザ生成コンテンツの増加に伴い、ソーシャルメディアプラットフォーム上でコンテンツを効率的に管理するためのトピックインジケータとしてハッシュタグが使用されている。
しかし、これらの重要なトピックを見つけることは、短時間でかなりの情報を含むため、マイクロビデオでは困難である。
マイクロビデオのハッシュタグを推奨する既存の方法は、主にコンテンツとパーソナライゼーションに焦点を当て、ユーザ間の関連性を無視している。
さらに,ハッシュタグレコメンデーションシステムでは,コールドスタートユーザ問題が多く発生している。
以上のことを考慮し,マイクロビデオのハッシュタグを推薦するMIcro- video hashtag recommendation MISHON手法を提案する。
コンテンツベースフィルタリングの他に、ユーザベースの協調フィルタリングを用いてレコメンデーションを強化する。
ハッシュタグはユーザのトピック的関心を反映しているため,過去のタグ付け行動に基づいてユーザ関連性をモデル化する。
グラフベースのディープニューラルネットワークを用いて、ユーザからユーザへ、モダリティからモダリティへ、そしてユーザからモダリティへのインタラクションをモデル化する。
次に、精巧なモダリティとユーザ表現を使用して、マイクロビデオに対して関連するハッシュタグを推奨する。
3つの実世界のデータセットの実証結果は、MISHONがそれぞれF1スコアに関して報告された3.6と2.8と6.5の比較エンハンスを達成していることを示している。
歴史的タグ付け情報が利用できないコールドスタートユーザが存在するため,コンテントとソーシャルインフルエンスに基づく,コールドスタートユーザと影響力のあるユーザの関連性をモデル化する手法も提案する。
提案したソリューションは、コンテンツのみと比較してF1スコアが15.8%改善したことを示している。
これらの結果から,提案手法はコールドスタートユーザの問題を緩和することがわかった。
関連論文リスト
- SocialRec: User Activity Based Post Weighted Dynamic Personalized Post Recommendation System in Social Media [5.5997926295092295]
我々は、さまざまなトピックに関する投稿やエンゲージメントを含む、時間の経過とともにユーザー履歴を分析します。
ユーザのプロフィールを考慮し、彼らの活動とソーシャルメディアプラットフォームとの間のつながりを求める。
論文 参考訳（メタデータ） (2024-07-13T02:46:37Z) - Learning Social Graph for Inactive User Recommendation [50.090904659803854]
LSIRはソーシャルレコメンデーションのための最適なソーシャルグラフ構造を学習する。
実世界のデータセットの実験では、LSIRはNDCGで最大129.58%の大幅な改善を実現している。
論文 参考訳（メタデータ） (2024-05-08T03:40:36Z) - Two-Stage Stance Labeling: User-Hashtag Heuristics with Graph Neural Networks [2.474908349649168]
ユーザ・ハッシュタグ二部グラフとユーザ・ユーザ・インタラクショングラフを利用する2段階のスタンスラベリング手法を開発した。
第1段階では、スタンスラベルの簡易かつ効率的な方法は、ユーザとハッシュタグノードのスタンス関連を更新するために、ユーザハッシュタグ二部グラフを使用する。
このソフトラベルのセットは、ユーザとユーザのインタラクショングラフに統合され、グラフニューラルネットワーク(GNN)モデルをトレーニングする。
論文 参考訳（メタデータ） (2024-04-16T02:18:30Z) - RIGHT: Retrieval-augmented Generation for Mainstream Hashtag
Recommendation [76.24205422163169]
我々はRIGHT(RetrIeval-augmented Generative Mainstream HashTag Recommender)を提案する。
RIGHTは3つのコンポーネントから構成される: 1) 検索者は、ツイートハッシュタグセット全体から関連するハッシュタグを検索する; 2) セレクタは、グローバル信号を導入して、メインストリームの識別を強化する; 3) ジェネレータは入力されたつぶやきと選択されたハッシュタグを組み込んで、目的のハッシュタグを直接生成する。
さらに,RIGHTを大規模言語モデルに統合することで,ChatGPTの性能を10%以上向上させることができる。
論文 参考訳（メタデータ） (2023-12-16T14:47:03Z) - Graph Collaborative Signals Denoising and Augmentation for
Recommendation [75.25320844036574]
ユーザ・ユーザ・項目間の相関を組み込んだグラフ隣接行列を提案する。
ユーザ・ユーザ・イテム相関と項目・イテム相関が組み合わさることで,豊富なインタラクションと不十分なインタラクションを持つユーザのレコメンデーションが向上することを示す。
論文 参考訳（メタデータ） (2023-04-06T19:43:37Z) - Federated Social Recommendation with Graph Neural Network [69.36135187771929]
本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。
我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
論文 参考訳（メタデータ） (2021-11-21T09:41:39Z) - Learning to Learn a Cold-start Sequential Recommender [70.5692886883067]
コールドスタート勧告は、現代のオンラインアプリケーションにおいて緊急の問題である。
メタ学習に基づくコールドスタートシーケンシャルレコメンデーションフレームワークMetaCSRを提案する。
MetaCSRは、通常のユーザの行動から共通のパターンを学ぶ能力を持っている。
論文 参考訳（メタデータ） (2021-10-18T08:11:24Z) - Concept-Aware Denoising Graph Neural Network for Micro-Video
Recommendation [30.67251766249372]
マイクロビデオレコメンデーションのための新しい概念認識型グラフニューラルネットワーク(CONDE)を提案する。
提案したCONDEは、既存の最先端ソリューションよりも大幅に優れたレコメンデーション性能を実現する。
論文 参考訳（メタデータ） (2021-09-28T07:02:52Z) - Personalized Adaptive Meta Learning for Cold-start User Preference
Prediction [46.65783845757707]
パーソナライズされたユーザーの嗜好予測における共通の課題は、コールドスタート問題である。
メジャーユーザとマイナーユーザの両方を考慮するために,新たなパーソナライズ型適応型メタラーニング手法を提案する。
本手法は, マイノリティとメジャーユーザの両方に対して, 最先端の手法を劇的に向上させる。
論文 参考訳（メタデータ） (2020-12-22T05:48:08Z)
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。