論文の概要: RecKG: Knowledge Graph for Recommender Systems

• arxiv url: http://arxiv.org/abs/2501.03598v1
• Date: Tue, 07 Jan 2025 07:55:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:49:58.542514
• Title: RecKG: Knowledge Graph for Recommender Systems
• Title（参考訳）: RecKG:Recommenderシステムのための知識グラフ
• Authors: Junhyuk Kwon, Seokho Ahn, Young-Duk Seo,
• Abstract要約: 本研究では,レコメンダシステムのための標準知識グラフRecKGを提案する。 RecKGは、さまざまなデータセットにわたるエンティティの一貫性のある表現を保証する。 実世界のデータセットを標準化するためにRecKGを適用し、その後グラフデータベースを用いてRecKGのアプリケーションを開発する。
• 参考スコア（独自算出の注目度）: 3.0969191504482247
• License:
• Abstract: Knowledge graphs have proven successful in integrating heterogeneous data across various domains. However, there remains a noticeable dearth of research on their seamless integration among heterogeneous recommender systems, despite knowledge graph-based recommender systems garnering extensive research attention. This study aims to fill this gap by proposing RecKG, a standardized knowledge graph for recommender systems. RecKG ensures the consistent representation of entities across different datasets, accommodating diverse attribute types for effective data integration. Through a meticulous examination of various recommender system datasets, we select attributes for RecKG, ensuring standardized formatting through consistent naming conventions. By these characteristics, RecKG can seamlessly integrate heterogeneous data sources, enabling the discovery of additional semantic information within the integrated knowledge graph. We apply RecKG to standardize real-world datasets, subsequently developing an application for RecKG using a graph database. Finally, we validate RecKG's achievement in interoperability through a qualitative evaluation between RecKG and other studies.
• Abstract（参考訳）: 知識グラフは、様々な領域にまたがる異種データを統合することに成功している。 しかし、知識グラフベースのレコメンデータシステムは広範な研究の注目を集めているにもかかわらず、異質なレコメンデータシステム間のシームレスな統合についての研究は目立たないままである。 本研究では,レコメンダシステムのための標準知識グラフRecKGを提案することで,このギャップを埋めることを目的とする。 RecKGは、さまざまなデータセットにまたがるエンティティの一貫性のある表現を保証する。 様々なレコメンデータシステムデータセットの綿密な検証を通じて、RecKGの属性を選択し、一貫した命名規則によって標準化されたフォーマットを保証する。 これらの特徴により、RecKGはシームレスに異種データソースを統合することができ、統合知識グラフ内で追加のセマンティック情報を発見できる。 実世界のデータセットを標準化するためにRecKGを適用し、その後グラフデータベースを用いてRecKGのアプリケーションを開発する。 最後に,RecKGと他の研究の質的評価を通じて,相互運用におけるRecKGの成果を検証する。

関連論文リスト

• Multi-Modal Dataset Creation for Federated Learning with DICOM Structured Reports [26.2463670182172]
  フェデレーショントレーニングは、多種多様なデータストレージオプション、一貫性のない命名方式、さまざまなアノテーション手順、ラベル品質の相違により、しばしば異種データセットによって妨げられる。 これは、均一なデータ表現とフィルタリングオプションを含むデータセット調和が最重要となる、新興のマルチモーダル学習パラダイムにおいて特に顕著である。 我々は、マルチモーダルデータセットの組み立てプロセスを簡単にする、データ統合と対話型フィルタリング機能のためのオープンプラットフォームを開発した。
  論文  参考訳（メタデータ） (2024-07-12T07:34:10Z)
• Heterogeneous Hypergraph Embedding for Recommendation Systems [45.49449132970778]
  知識強化ヘテロジニアスハイパーグラフレコメンダシステム(KHGRec)について紹介する。 KHGRecは、相互作用ネットワークとKGの両方のグループワイド特性を捉え、KGの複雑な接続をモデル化する。 入力グラフからの信号を、クロスビューで自己教師付き学習とアテンションメカニズムで融合する。
  論文  参考訳（メタデータ） (2024-07-04T06:09:11Z)
• APGL4SR: A Generic Framework with Adaptive and Personalized Global Collaborative Information in Sequential Recommendation [86.29366168836141]
  逐次推薦のための適応およびパーソナライズされたグラフ学習(APGL4SR)というグラフ駆動型フレームワークを提案する。 APGL4SRは、適応的でパーソナライズされたグローバルな協調情報をシーケンシャルレコメンデーションシステムに組み込む。 一般的なフレームワークとして、APGL4SRは大きなマージンを持つ他のベースラインよりも優れている。
  論文  参考訳（メタデータ） (2023-11-06T01:33:24Z)
• infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
  infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。 実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-30T18:12:48Z)
• Heterogeneous Information Crossing on Graphs for Session-based Recommender Systems [19.959021202757107]
  グラフ上の異種情報交差(HICG)というグラフに基づく新しい手法を提案する。 HICGは、グラフ上の異種情報を効果的に横断することにより、ユーザの長期的な嗜好によって現在の関心を捉えている。 また、アイテム表現能力を高めるために、コントラスト学習(CL)技術を取り入れたHICG-CLという拡張版も提案する。
  論文  参考訳（メタデータ） (2022-10-24T04:02:33Z)
• DSKReG: Differentiable Sampling on Knowledge Graph for Recommendation with Relational GNN [59.160401038969795]
  我々は,GNN(DSKReG)を用いた推薦のための知識グラフの識別可能なサンプリングを提案する。 そこで本研究では,モデル学習手順と組み合わせて,関連する項目の選択を最適化する,識別可能なサンプリング戦略を考案する。 実験の結果,我々のモデルは最先端のKGベースのレコメンデータシステムよりも優れていた。
  論文  参考訳（メタデータ） (2021-08-26T16:19:59Z)
• Semi-Supervised Domain Generalization with Stochastic StyleMatch [90.98288822165482]
  実世界のアプリケーションでは、アノテーションのコストが高いため、各ソースドメインから利用可能なラベルはわずかです。 本研究では,より現実的で実践的な半教師付き領域一般化について検討する。 提案手法であるStyleMatchは,擬似ラベルに基づく最先端の半教師付き学習手法であるFixMatchに着想を得たものである。
  論文  参考訳（メタデータ） (2021-06-01T16:00:08Z)
• Graph Learning based Recommender Systems: A Review [111.43249652335555]
  グラフ学習ベースのレコメンダーシステム(GLRS)は、高度なグラフ学習アプローチを使用して、ユーザーの好みと意図、および推奨項目の特性をモデル化します。 本稿では,グラフに基づく表現から重要な知識を抽出し,レコメンデーションの正確性,信頼性,説明性を向上する方法について論じることにより,GLRSの体系的なレビューを行う。
  論文  参考訳（メタデータ） (2021-05-13T14:50:45Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)
• Deep Learning on Knowledge Graph for Recommender System: A Survey [36.41255991011155]
  知識グラフは、2つのオブジェクトと1つまたは複数の関連属性を接続する高次関係を符号化することができる。 新たなグラフニューラルネットワーク(GNN)の助けを借りて,対象特性と関係性の両方をKGから抽出することができる。
  論文  参考訳（メタデータ） (2020-03-25T22:53:14Z)

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。