論文の概要: Multi-Aggregator Time-Warping Heterogeneous Graph Neural Network for Personalized Micro-Video Recommendation

• arxiv url: http://arxiv.org/abs/2501.02666v1
• Date: Sun, 05 Jan 2025 21:14:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:07:55.646225
• Title: Multi-Aggregator Time-Warping Heterogeneous Graph Neural Network for Personalized Micro-Video Recommendation
• Title（参考訳）: パーソナライズされたマイクロビデオレコメンデーションのためのマルチアグリゲータ時変不均一グラフニューラルネットワーク
• Authors: Jinkun Han, Wei Li, Xhipeng Cai, Yingshu Li,
• Abstract要約: グラフニューラルネットワークに基づくマイクロビデオレコメンデーションでは,さまざまなレコメンデーションタスクのパフォーマンスが向上している。 本稿では,MTHGNN(Multi-aggregator Time-warping Heterogeneous Graph Neural Network)を提案する。
• 参考スコア（独自算出の注目度）: 3.0734655107038713
• License:
• Abstract: Micro-video recommendation is attracting global attention and becoming a popular daily service for people of all ages. Recently, Graph Neural Networks-based micro-video recommendation has displayed performance improvement for many kinds of recommendation tasks. However, the existing works fail to fully consider the characteristics of micro-videos, such as the high timeliness of news nature micro-video recommendation and sequential interactions of frequently changed interests. In this paper, a novel Multi-aggregator Time-warping Heterogeneous Graph Neural Network (MTHGNN) is proposed for personalized news nature micro-video recommendation based on sequential sessions, where characteristics of micro-videos are comprehensively studied, users' preference is mined via multi-aggregator, the temporal and dynamic changes of users' preference are captured, and timeliness is considered. Through the comparison with the state-of-the-arts, the experimental results validate the superiority of our MTHGNN model.
• Abstract（参考訳）: マイクロビデオレコメンデーションは世界中の注目を集め、あらゆる年齢の人々の日常サービスとして人気を集めている。 近年,グラフニューラルネットワークを用いたマイクロビデオレコメンデーションでは,様々なレコメンデーションタスクのパフォーマンスが向上している。 しかし、既存の研究は、ニュース自然のマイクロビデオレコメンデーションの高タイムラインや、頻繁に変化する関心事の逐次的相互作用など、マイクロビデオの特徴を十分に考慮していない。 本稿では,マイクロビデオの特徴を包括的に研究し,マルチアグリゲータを介してユーザの嗜好をマイニングし,ユーザの嗜好の時間的・動的変化を捉え,時系列を考慮し,パーソナライズされたニュース特質のマイクロビデオレコメンデーションを提案する。 その結果,MTHGNNモデルの有効性が検証された。

関連論文リスト

• Orthogonal Hyper-category Guided Multi-interest Elicitation for Micro-video Matching [43.79560010763052]
  マイクロビデオマッチングのためのOPALモデルを提案する。 OPALは、ユーザの多種多様な興味を引き出すために、複数のソフトおよびハードな関心の埋め込みを分離する。 OPALはリコールとヒット率の点で6つの最先端モデルを上回っている。
  論文  参考訳（メタデータ） (2024-07-20T03:41:57Z)
• Adaptive Temporal Motion Guided Graph Convolution Network for Micro-expression Recognition [48.21696443824074]
  ATM-GCN(Adaptive Temporal Motion Guided Graph Convolution Network)と呼ばれる,マイクロ圧縮認識のための新しいフレームワークを提案する。 本フレームワークは,クリップ全体のフレーム間の時間的依存関係の把握に優れ,クリップレベルでのマイクロ圧縮認識が向上する。
  論文  参考訳（メタデータ） (2024-06-13T10:57:24Z)
• A Vlogger-augmented Graph Neural Network Model for Micro-video Recommendation [7.54949302096348]
  本稿では, vloggers の効果を考慮した vlogger-augmented graph neural network model VA-GNN を提案する。 具体的には、ユーザ、マイクロビデオ、vloggerをノードとして三部グラフを構築し、異なるビューからユーザの好みをキャプチャする。 次のユーザとビデオのインタラクションを予測する際に、ビデオ自体とvloggerに対するユーザの好みを適応的に組み合わせます。
  論文  参考訳（メタデータ） (2024-05-28T15:13:29Z)
• No-frills Temporal Video Grounding: Multi-Scale Neighboring Attention and Zoom-in Boundary Detection [52.03562682785128]
  時間的ビデオグラウンドティングは、未編集のビデオから言語クエリの時間間隔を取得することを目的としている。 テレビGにおける重要な課題は、低SNR(Semantic Noise Ratio)による低SNRの性能低下である。 本稿では,2つのコアモジュールからなる非フリーズTVGモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-20T04:12:10Z)
• Multi-queue Momentum Contrast for Microvideo-Product Retrieval [57.527227171945796]
  マルチモーダルインスタンスとマルチモーダルインスタンス間の検索を探索する最初の試みであるマイクロビデオ製品検索タスクを定式化する。 双方向検索のためのMulti-Queue Momentum Contrast(MQMC)ネットワークという新しい手法を提案する。 マルチキューを用いた識別的選択戦略は、カテゴリによって異なる負の重要性を区別するために用いられる。
  論文  参考訳（メタデータ） (2022-12-22T03:47:14Z)
• 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)
• Modeling High-order Interactions across Multi-interests for Micro-video Reommendation [65.16624625748068]
  利用者の興味表現を高めるためのセルフオーバーCoアテンションモジュールを提案します。 特に、まず相関パターンを異なるレベルでモデル化し、次に自己注意を使って特定のレベルで相関パターンをモデル化します。
  論文  参考訳（メタデータ） (2021-04-01T07:20:15Z)
• Sequential Recommender via Time-aware Attentive Memory Network [67.26862011527986]
  本稿では,注意機構と繰り返し単位を改善するための時間ゲーティング手法を提案する。 また,長期と短期の嗜好を統合するマルチホップ・タイムアウェア・アテンテーティブ・メモリ・ネットワークを提案する。 提案手法は,候補探索タスクに対してスケーラブルであり,ドット積に基づくTop-Kレコメンデーションのための潜在因数分解の非線形一般化とみなすことができる。
  論文  参考訳（メタデータ） (2020-05-18T11:29:38Z)
• Predicting the Popularity of Micro-videos with Multimodal Variational Encoder-Decoder Framework [54.194340961353944]
  マイクロビデオ人気タスクのためのマルチモーダル変分エンコーダ・デコーダフレームワークを提案する。 MMVEDは、その人気レベルに情報を与えるマイクロビデオの埋め込みを学習する。 Xiguaから収集した公開データセットとデータセットで実施された実験は、提案したMMVEDフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2020-03-28T06:08:16Z)

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。