論文の概要: Hgformer: Hyperbolic Graph Transformer for Recommendation

• arxiv url: http://arxiv.org/abs/2502.15693v1
• Date: Mon, 30 Dec 2024 10:50:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 06:21:32.917855
• Title: Hgformer: Hyperbolic Graph Transformer for Recommendation
• Title（参考訳）: Hgformer: 推奨のためのハイパーボリックグラフ変換器
• Authors: Xin Yang, Xingrun Li, Heng Chang, Jinze Yang, Xihong Yang, Shengyu Tao, Ningkang Chang, Maiko Shigeno, Junfeng Wang, Dawei Yin, Erxue Min,
• Abstract要約: クロスドメインレコメンデーションは、コールドスタート問題を緩和する有効な方法である。 ロングテールデータのモデリング歪みは、リコメンデータシステムで広く見られるが、クロスドメインレコメンデーションでは見過ごされがちである。 本稿では,BiTGCFをベースモデルとして,双曲多様体を用いたクロスドメイン協調フィルタリングモデルを提案する。
• 参考スコア（独自算出の注目度）: 21.025665642179085
• License:
• Abstract: The cold start problem is a challenging problem faced by most modern recommender systems. By leveraging knowledge from other domains, cross-domain recommendation can be an effective method to alleviate the cold start problem. However, the modelling distortion for long-tail data, which is widely present in recommender systems, is often overlooked in cross-domain recommendation. In this research, we propose a hyperbolic manifold based cross-domain collaborative filtering model using BiTGCF as the base model. We introduce the hyperbolic manifold and construct new propagation layer and transfer layer to address these challenges. The significant performance improvements across various datasets compared to the baseline models demonstrate the effectiveness of our proposed model.
• Abstract（参考訳）: コールドスタート問題は、現代のリコメンデーターシステムで直面している課題である。 他のドメインからの知識を活用することで、クロスドメインレコメンデーションはコールドスタート問題を緩和する効果的な方法となり得る。 しかし、リコメンデータシステムに広く存在するロングテールデータのモデリング歪みは、クロスドメインレコメンデーションでは見過ごされがちである。 本研究では,BiTGCFをベースモデルとして,双曲多様体を用いたクロスドメイン協調フィルタリングモデルを提案する。 これらの課題に対処するために,双曲多様体を導入し,新しい伝搬層と伝達層を構築した。 ベースラインモデルと比較して, 各種データセット間での大幅な性能改善は, 提案モデルの有効性を示す。

関連論文リスト

• SMILE: Zero-Shot Sparse Mixture of Low-Rank Experts Construction From Pre-Trained Foundation Models [85.67096251281191]
  我々は、ゼロショットスパースミクチャー(SMILE)と呼ばれるモデル融合に対する革新的なアプローチを提案する。 SMILEは、余分なデータやさらなるトレーニングなしに、ソースモデルをMoEモデルにアップスケーリングできる。 画像分類やテキスト生成タスクなど,さまざまなシナリオに対して,フル微調整とLoRA微調整を用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2024-08-19T17:32:15Z)
• CoSIGN: Few-Step Guidance of ConSIstency Model to Solve General INverse Problems [3.3969056208620128]
  我々は, 高い復元品質を維持しつつ, 推論ステップの境界を1-2 NFEに推し進めることを提案する。 本手法は拡散型逆問題解法における新しい最先端技術を実現する。
  論文  参考訳（メタデータ） (2024-07-17T15:57:50Z)
• FASTopic: Pretrained Transformer is a Fast, Adaptive, Stable, and Transferable Topic Model [76.509837704596]
  本稿では,高速で適応的で,安定で,移動可能なトピックモデルであるFASTopicを提案する。 我々はDSR(Dual Semantic-Relation Reconstruction)を用いて潜在トピックをモデル化する。 また, セマンティック関係を最適輸送計画として正規化するためのETP(Embedding Transport Plan)を提案する。
  論文  参考訳（メタデータ） (2024-05-28T09:06:38Z)
• Training-free Linear Image Inverses via Flows [17.291903204982326]
  本研究では,事前学習フローモデルを用いて,線形逆問題に対する学習自由度を求める手法を提案する。 提案手法では,高次元データセット上でのノイズの多い線形逆問題に対して,問題固有のチューニングは不要である。
  論文  参考訳（メタデータ） (2023-09-25T22:13:16Z)
• Diffusion Augmentation for Sequential Recommendation [47.43402785097255]
  本稿では,より高品質な生成のためのDiffuASR(Diffusion Augmentation for Sequential Recommendation)を提案する。 DiffuASRによる強化データセットは、複雑なトレーニング手順なしで、シーケンシャルレコメンデーションモデルを直接トレーニングするために使用することができる。 3つの逐次レコメンデーションモデルを用いた3つの実世界のデータセットに関する広範な実験を行った。
  論文  参考訳（メタデータ） (2023-09-22T13:31:34Z)
• Interactive Graph Convolutional Filtering [79.34979767405979]
  インタラクティブ・レコメンダ・システム(IRS)は、パーソナライズされた記事レコメンデーション、ソーシャルメディア、オンライン広告など、さまざまな領域でますます利用されている。 これらの問題は、コールドスタート問題とデータスポーサリティ問題によって悪化する。 既存のMulti-Armed Bandit手法は、慎重に設計された探査戦略にもかかわらず、しばしば初期の段階で満足な結果を提供するのに苦労する。 提案手法は,ユーザとアイテム間の協調フィルタリング性能を向上させるため,協調フィルタリングをグラフモデルに拡張する。
  論文  参考訳（メタデータ） (2023-09-04T09:02:31Z)
• Hyper-Reduced Autoencoders for Efficient and Accurate Nonlinear Model Reductions [1.0499611180329804]
  射影に基づくモデル順序の減少は、ゆっくりと減衰するコルモゴロフ n-幅の問題に対して最近提案されている。 これまで提案された手法の欠点は、高忠実度ソリューションスナップショット上でネットワークをトレーニングする際の潜在的に高い計算コストである。 我々は、高忠実度ソリューションスナップショットのサブサンプルバージョンのみにニューラルネットワークをトレーニングすることで、この欠点を克服する新しい手法を提案し、分析する。
  論文  参考訳（メタデータ） (2023-03-16T20:18:33Z)
• Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
  ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。 提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。 提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2021-07-27T08:59:39Z)
• Performance of Hyperbolic Geometry Models on Top-N Recommendation Tasks [72.62702932371148]
  標準的な協調フィルタリング問題の解法として,双曲幾何学に基づく単純なオートエンコーダを提案する。 現代の多くのディープラーニング技術とは対照的に、私たちは単一の隠れレイヤのみを使用してソリューションを構築します。
  論文  参考訳（メタデータ） (2020-08-15T13:21:10Z)

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。