論文の概要: LightFusionRec: Lightweight Transformers-Based Cross-Domain Recommendation Model
- arxiv url: http://arxiv.org/abs/2410.15656v1
- Date: Mon, 21 Oct 2024 05:49:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:12:42.148042
- Title: LightFusionRec: Lightweight Transformers-Based Cross-Domain Recommendation Model
- Title(参考訳): LightFusionRec:軽量トランスを用いたクロスドメインレコメンデーションモデル
- Authors: Vansh Kharidia, Dhruvi Paprunia, Prashasti Kanikar,
- Abstract要約: LightFusionRecは、新しいクロスドメインレコメンデーションシステムである。
DistilBERTをテキストの特徴抽出に、FastTextをジャンル埋め込みに統合する。
多くのメディアフォーマットに対して、正確で文脈的に関係のあるレコメンデーションを生成する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This paper presents LightFusionRec, a novel lightweight cross-domain recommendation system that integrates DistilBERT for textual feature extraction and FastText for genre embedding. Important issues in recommendation systems, such as data sparsity, computational efficiency, and cold start issues, are addressed in methodology. LightFusionRec uses a small amount of information to produce precise and contextually relevant recommendations for many media formats by fusing genre vector embedding with natural language processing algorithms. Tests conducted on extensive movie and book datasets show notable enhancements in suggestion quality when compared to conventional methods. Because of its lightweight design, the model can be used for a variety of purposes and allows for ondevice inference. LightFusionRec is a noteworthy development in cross-domain recommendation systems, providing accurate and scalable recommendations to improve user experience on digital content platforms.
- Abstract(参考訳): 本稿では,テキスト特徴抽出用DistilBERTとジャンル埋め込み用FastTextを統合した,軽量なクロスドメインレコメンデーションシステムLightFusionRecを提案する。
データスパシティ、計算効率、コールドスタート問題といったレコメンデーションシステムにおける重要な問題は方法論で解決される。
LightFusionRecは、自然言語処理アルゴリズムにジャンルベクトルを埋め込むことによって、多くのメディアフォーマットに対して正確でコンテキスト的に関連性の高いレコメンデーションを生成するために、少量の情報を使用する。
映画や書籍の広範なデータセットで行ったテストは、従来の手法と比較して、提案品質が顕著に向上したことを示している。
軽量な設計のため、モデルは様々な目的で使用することができ、オンデバイス推論が可能である。
LightFusionRecはクロスドメインレコメンデーションシステムにおいて注目すべき開発であり、デジタルコンテンツプラットフォームにおけるユーザエクスペリエンスを改善するための正確でスケーラブルなレコメンデーションを提供する。
関連論文リスト
- Language Representations Can be What Recommenders Need: Findings and Potentials [57.90679739598295]
先進的なLM表現から線形にマッピングされた項目表現は、より優れたレコメンデーション性能が得られることを示す。
この結果は、先進言語表現空間と効果的な項目表現空間との同型性を示唆している。
本研究は,自然言語処理とリコメンデーションシステムコミュニティの両方に刺激を与える言語モデリングと行動モデリングの関連性を強調した。
論文 参考訳(メタデータ) (2024-07-07T17:05:24Z) - Reindex-Then-Adapt: Improving Large Language Models for Conversational Recommendation [50.19602159938368]
大規模言語モデル(LLM)は、会話レコメンデーションシステムに革命をもたらしている。
本稿では,マルチトークンのタイトルを単一トークンに変換するReindex-Then-Adapt(RTA)フレームワークを提案する。
本フレームワークでは,3つの対話推薦データセットの精度向上を実証する。
論文 参考訳(メタデータ) (2024-05-20T15:37:55Z) - General Item Representation Learning for Cold-start Content Recommendations [12.729624639270405]
冷間開始レコメンデーションのためのドメイン/データに依存しない表現学習フレームワークを提案する。
提案するモデルは、分類ラベルから完全に自由なエンドツーエンドのトレーニングが可能である。
論文 参考訳(メタデータ) (2024-04-22T00:48:56Z) - Readout Guidance: Learning Control from Diffusion Features [96.22155562120231]
本稿では,学習信号を用いたテキスト・画像拡散モデル制御手法であるReadout Guidanceを提案する。
Readout Guidanceはリードアウトヘッドを使用し、トレーニング済みの凍結拡散モデルの特徴から信号を取り出すために訓練された軽量ネットワークである。
これらの読み出しは、ポーズ、深さ、エッジなどのシングルイメージ特性や、対応性や外観類似性といった複数の画像に関連する高次特性を符号化することができる。
論文 参考訳(メタデータ) (2023-12-04T18:59:32Z) - LightLM: A Lightweight Deep and Narrow Language Model for Generative
Recommendation [45.00339682494516]
LightLMは、生成レコメンデーションのための軽量トランスフォーマーベースの言語モデルである。
LightLMは軽量のディープトランスフォーマーアーキテクチャを導入することでこの問題に対処している。
また,SCI(Spectral Collaborative Indexing)とグラフコラボレーションインデックス(Graph Collaborative Indexing,GCI)という,考案したユーザIDとアイテムIDのインデックス化手法によって,大規模言語モデルよりも高い精度で,より深く狭いトランスフォーマーアーキテクチャを実現することも示す。
論文 参考訳(メタデータ) (2023-10-26T15:44:57Z) - RecFusion: A Binomial Diffusion Process for 1D Data for Recommendation [48.77168472848952]
本稿では,レコメンデーションのための拡散モデルからなるRecFusionを提案する。
1次元ベクトル上での拡散を定式化し、2次元拡散を提案する。
提案する拡散モデルでは,MRIやCTなどの医療領域において,推奨システム以上の意味を持つ。
論文 参考訳(メタデータ) (2023-06-15T08:39:24Z) - Towards Universal Sequence Representation Learning for Recommender
Systems [98.02154164251846]
我々はUniSRecという新しいユニバーサルシーケンス表現学習手法を提案する。
提案手法は、項目の関連記述テキストを用いて、異なる推薦シナリオ間で転送可能な表現を学習する。
我々のアプローチは、パラメータ効率のよい方法で、新しいレコメンデーションドメインやプラットフォームに効果的に移行できます。
論文 参考訳(メタデータ) (2022-06-13T07:21:56Z) - VRConvMF: Visual Recurrent Convolutional Matrix Factorization for Movie
Recommendation [21.25759321238169]
視覚的再帰的畳み込み行列因数分解(VRConvMF)と呼ばれる確率行列因数分解に基づくレコメンデーション手法を提案する。
提案したVRConvMFを実装し,その有効性を検証するために,一般的に使用されている3つの実世界のデータセットについて広範な実験を行った。
論文 参考訳(メタデータ) (2022-02-16T08:21:03Z) - CSSR: A Context-Aware Sequential Software Service Recommendation Model [4.306391411024746]
ユーザが適切なリポジトリをGitHubで見つけるのに役立つ新しいソフトウェアサービスレコメンデーションモデルを提案する。
我々のモデルはまず,リポジトリのリッチなコンテキスト情報を活用するために,新しいコンテキスト依存のリポジトリグラフ埋め込み法を設計する。
そして、ソフトウェアサービスレコメンデーション分野において、初めてユーザー-リポジトリ間のインタラクションのシーケンス情報を活用する。
論文 参考訳(メタデータ) (2021-12-20T03:17:42Z) - Text Compression-aided Transformer Encoding [77.16960983003271]
本稿では,トランスフォーマーのエンコーディングを強化するために,明示的で暗黙的なテキスト圧縮手法を提案する。
バックボーン情報、つまり入力テキストのgistは、特に焦点を当てていません。
評価の結果,提案した明示的かつ暗黙的なテキスト圧縮手法は,強いベースラインと比較して結果を改善することがわかった。
論文 参考訳(メタデータ) (2021-02-11T11:28:39Z) - Adaptive Compact Attention For Few-shot Video-to-video Translation [13.535988102579918]
本稿では,複数の参照画像からコンテキスト特徴を効率的に抽出する適応型コンパクトアテンション機構を提案する。
我々の中心となる考え方は、すべての参照画像からより高レベルな表現としてコンパクトな基底集合を抽出することである。
提案手法を大規模トーキングヘッドビデオデータセットと人間のダンスデータセットで広範囲に評価した。
論文 参考訳(メタデータ) (2020-11-30T11:19:12Z)
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。