論文の概要: A Survey on Sequential Recommendation
- arxiv url: http://arxiv.org/abs/2412.12770v1
- Date: Tue, 17 Dec 2024 10:33:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-18 13:56:43.869022
- Title: A Survey on Sequential Recommendation
- Title(参考訳): シーケンスレコメンデーションに関する調査
- Authors: Liwei Pan, Weike Pan, Meiyan Wei, Hongzhi Yin, Zhong Ming,
- Abstract要約: 我々は、新しい視点からSR問題を研究する(すなわち、アイテムの特性の構築)。
提案手法は, 純粋IDベースSR, 副次情報付きSR, マルチモーダルSR, 生成SR, LLMを用いたSR, 超長期SR, データ拡張SRなど, 逐次的推奨に使用される最新の手法を要約する。
例えば、オープンドメインのSR、データ中心のSR、有能なコラボレーティブなSR、連続的なSR、善のためのSR、説明可能なSRなどである。
- 参考スコア(独自算出の注目度): 35.01216224159067
- License:
- Abstract: Different from most conventional recommendation problems, sequential recommendation focuses on learning users' preferences by exploiting the internal order and dependency among the interacted items, which has received significant attention from both researchers and practitioners. In recent years, we have witnessed great progress and achievements in this field, necessitating a new survey. In this survey, we study the SR problem from a new perspective (i.e., the construction of an item's properties), and summarize the most recent techniques used in sequential recommendation such as pure ID-based SR, SR with side information, multi-modal SR, generative SR, LLM-powered SR, ultra-long SR and data-augmented SR. Moreover, we introduce some frontier research topics in sequential recommendation, e.g., open-domain SR, data-centric SR, could-edge collaborative SR, continuous SR, SR for good, and explainable SR. We believe that our survey could be served as a valuable roadmap for readers in this field.
- Abstract(参考訳): 従来のレコメンデーション問題とは違って,インタラクション項目の内部順序と依存性を利用してユーザの嗜好を学習することに焦点を当て,研究者と実践者双方から大きな注目を集めている。
近年,この分野での大きな進歩と成果を目の当たりにしており,新たな調査が必要である。
本調査では,SR問題を新たな視点(項目のプロパティ構築など)から検討し,純粋IDベースSR,副次情報付きSR,マルチモーダルSR,生成SR,LLMを用いたSR,超長期SR,データ拡張SRなどの逐次推奨手法をまとめた。
さらに、いくつかのフロンティア研究トピックについて、例えば、オープンドメインSR、データ中心SR、ウィザード協調SR、連続SR、善のためのSR、説明可能なSRなどを紹介した。
この分野では,私たちの調査は,読者にとって貴重なロードマップになると思います。
関連論文リスト
- Data Augmentation for Sequential Recommendation: A Survey [9.913317029557588]
シーケンシャルレコメンデーション(SR)は、現実の状況との整合性から多くの注目を集めている。
SRのためのデータ拡張(DA)手法の総合的なレビューを行う。
論文 参考訳(メタデータ) (2024-09-20T14:39:42Z) - Graph and Sequential Neural Networks in Session-based Recommendation: A Survey [41.59094128068782]
セッションベースのレコメンデーション(SR)は、ユーザの短期的な好みのキャプチャを専門とし、よりダイナミックでタイムリーなレコメンデーションを提供することを目指している。
まず、様々なSRタスクの定義を明確にし、セッションベースレコメンデーションの特徴を紹介する。
第2に,既存の手法を,逐次ニューラルネットワークとグラフニューラルネットワーク(GNN)の2つのカテゴリにまとめる。
論文 参考訳(メタデータ) (2024-08-27T08:08:05Z) - An Empirical Study of Training ID-Agnostic Multi-modal Sequential Recommenders [3.1093882314734285]
Sequential Recommendation (SR) は、過去のインタラクションに基づいて、将来のユーザとイテムのインタラクションを予測することを目的としている。
多くのSRアプローチはユーザIDとアイテムIDに重点を置いているが、テキストや画像のようなマルチモーダル信号を通じて世界に対する人間の認識は、研究者にIDを使わずにマルチモーダル情報からSRを構築するよう促している。
本稿では,シンプルで普遍的なtextbfMulti-textbfModal textbfSequential textbfRecommendation (textbfMMSR) フレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-26T04:16:57Z) - Explainable Session-based Recommendation via Path Reasoning [27.205463326317656]
本稿では,既存のSRモデルのパス推論による説明可能性,すなわちPR4SRに関する階層的強化学習フレームワークを提案する。
セッションにおける項目の重要性を考慮し、セッション内の項目を経路推論の出発点として選択するセッションレベルエージェントと、経路推論を行うパスレベルエージェントを設計する。
特に、SRにおける逐次パターンのスキップ動作に適応する多目的報酬機構を設計し、知識グラフの探索効率を高めるために経路中点報酬を導入する。
論文 参考訳(メタデータ) (2024-02-28T12:11:08Z) - When Search Meets Recommendation: Learning Disentangled Search
Representation for Recommendation [56.98380787425388]
シークエンシャルレコメンデーション(SESRec)のための検索強化フレームワークを提案する。
SESRec は、S&R の振る舞いにおいて類似および異種表現を分離する。
産業用と公共用両方のデータセットの実験では、SESRecが最先端のモデルより一貫して優れていることが示されている。
論文 参考訳(メタデータ) (2023-05-18T09:04:50Z) - Image-text Retrieval: A Survey on Recent Research and Development [58.060687870247996]
クロスモーダル画像テキスト検索(ITR)は、優れた研究価値と幅広い実世界の応用により、研究コミュニティへの関心が高まっている。
本稿では,ITRのアプローチに関する4つの視点から,包括的かつ最新の調査を行う。
論文 参考訳(メタデータ) (2022-03-28T13:00:01Z) - A Systematic Survey of Deep Learning-based Single-Image Super-Resolution [44.40478296457616]
単一像超解像(SISR)は画像処理において重要な課題であり、画像システムの解像度を高めることを目的としている。
最近、SISRは大きな飛躍を遂げ、ディープラーニング(DL)の助けを借りて有望な成果を上げている。
論文 参考訳(メタデータ) (2021-09-29T10:41:41Z) - Sequential Recommender Systems: Challenges, Progress and Prospects [50.12218578518894]
シーケンシャルレコメンダシステム(SRS)は、シーケンシャルなユーザ行動、ユーザとアイテム間の相互作用、ユーザの好みとアイテムの人気の時間的変化を理解し、モデル化しようとする。
まず, SRSの特徴を概説し, 研究領域における課題をまとめ, 分類し, そして, 最新の研究成果と代表的研究成果から, 対応する研究の進展を概説する。
論文 参考訳(メタデータ) (2019-12-28T05:12:28Z)
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。