論文の概要: TGT: A Temporal Gating Transformer for Smartphone App Usage Prediction

• arxiv url: http://arxiv.org/abs/2502.16957v2
• Date: Sun, 28 Sep 2025 11:32:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 20:10:04.246866
• Title: TGT: A Temporal Gating Transformer for Smartphone App Usage Prediction
• Title（参考訳）: TGT:スマートフォンアプリ利用予測のためのテンポラルゲーティングトランス
• Authors: Longlong Li, Cunquan Qu, Guanghui Wang,
• Abstract要約: 本研究では,時間帯に隠蔽表現を条件付ける時間的ゲーティングモジュールを備えたTransformerフレームワークを提案する。 TGTは15の競争ベースラインをはるかに上回り、HR@1で顕著な利益を上げ、コールドスタートシナリオ下で堅牢性を維持する。
• 参考スコア（独自算出の注目度）: 8.738528109590863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately predicting smartphone app usage is challenging due to the sparsity and irregularity of user behavior, especially under cold-start and low-activity conditions. Existing approaches mostly rely on static or attention-only architectures, which struggle to model fine-grained temporal dynamics. We propose TGT, a Transformer framework equipped with a temporal gating module that conditions hidden representations on the hour-of-day. Unlike conventional time embeddings, temporal gating adaptively rescales feature dimensions in a time-aware manner, working orthogonally to self-attention and strengthening temporal sensitivity. TGT further incorporates a context-aware encoder that integrates session sequences and user profiles into a unified representation. Experiments on two real-world datasets, Tsinghua App Usage and LSApp, demonstrate that TGT significantly outperforms 15 competitive baselines, achieving notable gains in HR@1 and maintaining robustness under cold-start scenarios. Beyond accuracy, analysis of gating vectors uncovers interpretable daily usage rhythms, showing that TGT learns human-consistent patterns of app behavior. These results establish TGT as both a powerful and interpretable framework for time-aware app usage prediction.
• Abstract（参考訳）: スマートフォンアプリの利用状況の正確な予測は、特にコールドスタートや低アクティビティの条件下では、ユーザの振る舞いのばらつきと不規則さのために困難である。 既存のアプローチは主に静的または注意のみのアーキテクチャに依存しており、微粒な時間的ダイナミクスをモデル化するのに苦労している。 本稿では,時間帯に隠蔽表現を条件付ける時間的ゲーティングモジュールを備えたトランスフォーマーフレームワークTGTを提案する。 従来の時間埋め込みとは異なり、時間的ゲーティングは時間的認識で特徴次元を適応的に再スケールし、直交的に自己注意に作用し、時間的感度を強化する。 TGTはさらに、セッションシーケンスとユーザプロファイルを統一表現に統合するコンテキスト対応エンコーダを組み込んでいる。 実世界の2つのデータセット、Tsinghua App UsageとLSAppの実験は、TGTが15の競争ベースラインを大幅に上回っており、HR@1で顕著な利益を上げ、コールドスタートシナリオ下で堅牢性を維持することを実証している。 正確性以外にも、ゲーティングベクターの分析によって解釈可能な日々の使用リズムが明らかになり、TGTが人間の一貫性のあるアプリ動作パターンを学習することを示す。 これらの結果は、TGTを、タイムアウェアなアプリ利用予測のための強力かつ解釈可能なフレームワークとして確立する。

関連論文リスト

• A Wireless Foundation Model for Multi-Task Prediction [50.21098141769079]
  多様な予測区間をサポートする無線ネットワークにおけるマルチタスク予測のための統合基盤モデルを提案する。 大規模データセットをトレーニングした後、提案した基礎モデルは、新しいタスクにおいて、目に見えないシナリオとゼロショットのパフォーマンスに強力な一般化を示す。
  論文  参考訳（メタデータ） (2025-07-08T12:37:55Z)
• ReGUIDE: Data Efficient GUI Grounding via Spatial Reasoning and Search [53.40810298627443]
  ReGUIDEは、MLLMが自己生成的推論と空間認識的批判を通じてデータを効率的に学習することを可能にするWebグラウンドのためのフレームワークである。 実験により、ReGUIDEは複数のベンチマークでWebグラウンド性能を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2025-05-21T08:36:18Z)
• TimeSieve: Extracting Temporal Dynamics through Information Bottlenecks [31.10683149519954]
  本稿では,時系列予測モデルTimeSieveを提案する。 提案手法では、ウェーブレット変換を用いて時系列データを前処理し、マルチスケールの特徴を効果的にキャプチャする。 本研究は,時系列予測における課題に対処するためのアプローチの有効性を検証した。
  論文  参考訳（メタデータ） (2024-06-07T15:58:12Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• MAPLE: Mobile App Prediction Leveraging Large Language Model Embeddings [9.03541182474246]
  本研究では,大規模言語モデル埋め込み(MAPLE)を活用したモバイルアプリケーション予測モデルを提案する。 MAPLEは、LLM(Large Language Models)を採用し、これらの課題を克服するためにアプリの類似性をインストールしている。 2つの実世界のデータセットのテストでは、MAPLEは標準およびコールドスタートシナリオの両方で、現代のモデルを上回っている。
  論文  参考訳（メタデータ） (2023-09-15T13:15:54Z)
• Leveraging the Power of Data Augmentation for Transformer-based Tracking [64.46371987827312]
  トラッキング用にカスタマイズされた2つのデータ拡張手法を提案する。 まず、動的探索半径機構と境界サンプルのシミュレーションにより、既存のランダムトリミングを最適化する。 第2に,背景干渉などの問題に対するモデルを可能にする,トークンレベルの機能混在強化戦略を提案する。
  論文  参考訳（メタデータ） (2023-09-15T09:18:54Z)
• Federated Privacy-preserving Collaborative Filtering for On-Device Next App Prediction [52.16923290335873]
  本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。 古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。 提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
  論文  参考訳（メタデータ） (2023-02-05T10:29:57Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
  自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。 車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。 推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-16T12:14:42Z)
• CoSEM: Contextual and Semantic Embedding for App Usage Prediction [8.78798600901882]
  既存のモデリングアプローチでは、履歴アプリの使用履歴と、幅広いセマンティック情報を使用してアプリ使用を予測する。 本稿では、アプリケーション利用予測のためのContextual and Semantic Embedding Modelと呼ばれるモデルを開発する。 実験により,セマンティック情報と履歴アプリ利用情報を組み合わせることで,モデルがベースラインを上回ることを示す。
  論文  参考訳（メタデータ） (2021-08-26T02:38:44Z)
• PSEUDo: Interactive Pattern Search in Multivariate Time Series with Locality-Sensitive Hashing and Relevance Feedback [3.347485580830609]
  PSEUDoは、マルチトラックシーケンシャルデータにおける視覚パターンを探索するための適応的機能学習技術である。 提案アルゴリズムは,サブ線形学習と推論時間を特徴とする。 我々は,PSEUDoの効率,精度,操縦性において優位性を示す。
  論文  参考訳（メタデータ） (2021-04-30T13:00:44Z)
• Invariant Feature Learning for Sensor-based Human Activity Recognition [11.334750079923428]
  被験者やデバイス間で共有される共通情報を抽出する不変特徴学習フレームワーク(IFLF)を提案する。 実験により、IFLFは、一般的なオープンデータセットと社内データセットをまたいだ主題とデバイスディバージョンの両方を扱うのに効果的であることが示された。
  論文  参考訳（メタデータ） (2020-12-14T21:56:17Z)

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。