論文の概要: Image Fusion for Cross-Domain Sequential Recommendation

• arxiv url: http://arxiv.org/abs/2502.15694v2
• Date: Thu, 27 Feb 2025 03:08:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:55:07.236027
• Title: Image Fusion for Cross-Domain Sequential Recommendation
• Title（参考訳）: 画像融合によるクロスドメインシークエンシャルレコメンデーション
• Authors: Wangyu Wu, Siqi Song, Xianglin Qiu, Xiaowei Huang, Fei Ma, Jimin Xiao,
• Abstract要約: Cross-Domain Sequential Recommendationは、複数のドメインにわたる過去のインタラクションに基づいて、将来のユーザインタラクションを予測することを目的としている。 CDSRの鍵となる課題は、シーケンス内とシーケンス間の両方の相互作用を十分に活用することで、ドメイン間のユーザの好みを効果的に捉えることである。 本稿では、アイテム画像情報を組み込んで視覚的嗜好をよりよく捉えた画像融合(IFCDSR)を提案する。
• 参考スコア（独自算出の注目度）: 20.37668418178215
• License:
• Abstract: Cross-Domain Sequential Recommendation (CDSR) aims to predict future user interactions based on historical interactions across multiple domains. The key challenge in CDSR is effectively capturing cross-domain user preferences by fully leveraging both intra-sequence and inter-sequence item interactions. In this paper, we propose a novel method, Image Fusion for Cross-Domain Sequential Recommendation (IFCDSR), which incorporates item image information to better capture visual preferences. Our approach integrates a frozen CLIP model to generate image embeddings, enriching original item embeddings with visual data from both intra-sequence and inter-sequence interactions. Additionally, we employ a multiple attention layer to capture cross-domain interests, enabling joint learning of single-domain and cross-domain user preferences. To validate the effectiveness of IFCDSR, we re-partitioned four e-commerce datasets and conducted extensive experiments. Results demonstrate that IFCDSR significantly outperforms existing methods.
• Abstract（参考訳）: Cross-Domain Sequential Recommendation (CDSR)は、複数のドメインにわたる過去のインタラクションに基づいて、将来のユーザインタラクションを予測することを目的としている。 CDSRの鍵となる課題は、シーケンス内とシーケンス間の両方の相互作用を十分に活用することで、ドメイン間のユーザの好みを効果的に捉えることである。 本稿では,視覚的嗜好をよりよく捉えるために,アイテム画像情報を組み込んだIFCDSR(Image Fusion for Cross-Domain Sequential Recommendation)を提案する。 提案手法では,凍結したCLIPモデルを用いて画像埋め込みを生成する。 さらに、複数の注意層を用いて、ドメイン間の関心を捉え、単一ドメインとドメイン間のユーザの嗜好を共同で学習することを可能にする。 IFCDSRの有効性を検証するため、4つのeコマースデータセットを再分割し、広範な実験を行った。 その結果,IFCDSRは既存の手法よりも優れていた。

関連論文リスト

• A Zero-Shot Generalization Framework for LLM-Driven Cross-Domain Sequential Recommendation [5.512301280728178]
  ゼロショットクロスドメインシーケンシャルレコメンデーション(ZCDSR)は、追加のトレーニングや微調整を必要とせずに、目に見えないドメインでの予測を可能にする。 大規模言語モデル(LLM)の最近の進歩は、豊富な事前訓練された表現を活用してドメイン間の知識伝達を促進することで、ZCDSRを大幅に改善している。 アイテムレベルとシーケンシャルレベルの両方においてドメイン間のアライメントを改善することで、LCMベースのZCDSRを強化するように設計された新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-31T15:43:21Z)
• Exploring User Retrieval Integration towards Large Language Models for Cross-Domain Sequential Recommendation [66.72195610471624]
  Cross-Domain Sequential Recommendationは、異なるドメイン間でユーザのシーケンシャルな好みをマイニングし、転送することを目的としている。 本稿では,ユーザ検索手法を探索し,CDSRの性能向上を目的とした URLLM という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-05T09:19:54Z)
• Information Maximization via Variational Autoencoders for Cross-Domain Recommendation [26.099908029810756]
  我々は、情報最大化変分オートエンコーダ(textbftextttIM-VAE)という新しいCDSRフレームワークを導入する。 ここでは、下流の細粒度CDSRモデルに対するユーザのインタラクション履歴入力を強化するために擬似シーケンス生成器を提案する。 我々の知る限りでは、オープンワールドレコメンデーションシナリオにおける擬似シーケンスの情報のゆがみとデノベーションを考慮に入れた最初のCDSR作品である。
  論文  参考訳（メタデータ） (2024-05-31T09:07:03Z)
• Learning Partially Aligned Item Representation for Cross-Domain Sequential Recommendation [72.73379646418435]
  クロスドメインシーケンシャルレコメンデーションは、ドメイン間でのユーザのシーケンシャルな好みを明らかにすることを目的としている。 ミスアライメントアイテム表現は、サブ最適シーケンシャルモデリングとユーザ表現アライメントにつながる可能性がある。 textbfCross- domain item representation textbfAlignment for textbfCross-textbfDomain textbfSequential textbfRecommendationを提案する。
  論文  参考訳（メタデータ） (2024-05-21T03:25:32Z)
• A Multimodal Approach for Cross-Domain Image Retrieval [5.5547914920738]
  クロスドメイン画像検索(Cross-Domain Image Retrieval, CDIR)は、コンピュータビジョンにおける課題である。 本稿では、事前学習された視覚言語モデルを活用することで、テキストコンテキストを取り入れた新しい教師なしのCDIRアプローチを提案する。 提案手法は,画像キャプションをドメインに依存しない中間表現として用いる。
  論文  参考訳（メタデータ） (2024-03-22T12:08:16Z)
• FedHCDR: Federated Cross-Domain Recommendation with Hypergraph Signal Decoupling [15.159012729198619]
  我々は,ハイパーグラフ信号デカップリングを用いた新しいクロスドメイン勧告フレームワークであるFedHCDRを提案する。 本研究では,ハイパーグラフ信号デカップリング(HSD)と呼ばれる手法を導入し,ユーザ特徴をドメイン排他的・ドメイン共有的特徴に分離する。 3つの実世界のシナリオで実施された大規模な実験は、FedHCDRが既存のベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2024-03-05T03:40:39Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• Mixed Attention Network for Cross-domain Sequential Recommendation [63.983590953727386]
  ドメイン固有・クロスドメイン情報を抽出するために,ローカル・グローバル・アテンション・モジュールを用いた混在注意ネットワーク(MAN)を提案する。 2つの実世界のデータセットに対する実験結果から,提案モデルの有効性が示された。
  論文  参考訳（メタデータ） (2023-11-14T16:07:16Z)
• FedDCSR: Federated Cross-domain Sequential Recommendation via Disentangled Representation Learning [17.497009723665116]
  本稿では,不整合表現学習を用いたクロスドメインシーケンシャルレコメンデーションフレームワークであるFedDCSRを提案する。 本稿では,SRD(Inter-Intra Domain Sequence Expression Disentanglement)と呼ばれるアプローチを導入し,ユーザシークエンス機能をドメイン共有およびドメイン排他的特徴に分解する。 さらに、ユーザシーケンス上でデータ拡張を行うことで、よりリッチなドメイン排他的特徴を学習するためのドメイン内コントラッシブインフォマックス(CIM)戦略を設計する。
  論文  参考訳（メタデータ） (2023-09-15T14:23:20Z)
• Exploiting Graph Structured Cross-Domain Representation for Multi-Domain Recommendation [71.45854187886088]
  マルチドメインレコメンデータシステムは、クロスドメイン表現学習とポジティブな知識伝達の恩恵を受ける。 我々はMAGRecと呼ばれる手法のコンテキスト情報として時間的ドメイン内相互作用とドメイン間相互作用を用いる。 我々は、MAGRecが最先端の手法を一貫して上回る様々なシナリオで、公開データセットで実験を行う。
  論文  参考訳（メタデータ） (2023-02-12T19:51:32Z)
• A cross-domain recommender system using deep coupled autoencoders [77.86290991564829]
  クロスドメインレコメンデーションのために2つの新しい結合型オートエンコーダに基づくディープラーニング手法を提案する。 最初の方法は、ソースドメインとターゲットドメイン内のアイテムの固有表現を明らかにするために、一対のオートエンコーダを同時に学習することを目的としている。 第2の方法は,2つのオートエンコーダを用いてユーザとアイテム待ち行列を深く非線形に生成する,新たな共同正規化最適化問題に基づいて導出する。
  論文  参考訳（メタデータ） (2021-12-08T15:14:26Z)

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。