Fugu-MT 論文翻訳(概要): Federated Semantic Learning for Privacy-preserving Cross-domain Recommendation

論文の概要: Federated Semantic Learning for Privacy-preserving Cross-domain Recommendation

arxiv url: http://arxiv.org/abs/2503.23026v1
Date: Sat, 29 Mar 2025 09:37:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-01 14:32:21.211319
Title: Federated Semantic Learning for Privacy-preserving Cross-domain Recommendation
Title（参考訳）: プライバシ保護型クロスドメインレコメンデーションのためのフェデレートセマンティック学習
Authors: Ziang Lu, Lei Guo, Xu Yu, Zhiyong Cheng, Xiaohui Han, Lei Zhu,
Abstract要約: フェデレーション・セマンティック・ラーニングを導入し、FFMSRをソリューションとして考案する。制限1では,複数層セマンティックエンコーダを用いて,元のテキストからアイテムのセマンティックエンコーダをローカルに学習する。制限2では、クライアントにIDとテキストのモダリティを統合し、それらを利用してアイテムのさまざまな側面を学習します。
参考スコア（独自算出の注目度）: 14.38754843118305
License:
Abstract: In the evolving landscape of recommender systems, the challenge of effectively conducting privacy-preserving Cross-Domain Recommendation (CDR), especially under strict non-overlapping constraints, has emerged as a key focus. Despite extensive research has made significant progress, several limitations still exist: 1) Previous semantic-based methods fail to deeply exploit rich textual information, since they quantize the text into codes, losing its original rich semantics. 2) The current solution solely relies on the text-modality, while the synergistic effects with the ID-modality are ignored. 3) Existing studies do not consider the impact of irrelevant semantic features, leading to inaccurate semantic representation. To address these challenges, we introduce federated semantic learning and devise FFMSR as our solution. For Limitation 1, we locally learn items'semantic encodings from their original texts by a multi-layer semantic encoder, and then cluster them on the server to facilitate the transfer of semantic knowledge between domains. To tackle Limitation 2, we integrate both ID and Text modalities on the clients, and utilize them to learn different aspects of items. To handle Limitation 3, a Fast Fourier Transform (FFT)-based filter and a gating mechanism are developed to alleviate the impact of irrelevant semantic information in the local model. We conduct extensive experiments on two real-world datasets, and the results demonstrate the superiority of our FFMSR method over other SOTA methods. Our source codes are publicly available at: https://github.com/Sapphire-star/FFMSR.
Abstract（参考訳）: 特に厳密な非重複制約の下で、プライバシー保護のクロスドメイン勧告(CDR)を効果的に実施するという課題が重要視されている。大規模な研究は大きな進歩を遂げたが、いくつかの制限が残されている。 1)従来のセマンティックな手法では,テキストをコードに量子化し,元のリッチなセマンティクスを失うため,リッチなテキスト情報を深く活用することができない。 2)現在の解法はテキストモダリティのみに依存し,IDモダリティとの相乗効果は無視される。 3)既存の研究では,意味的特徴が意味的特徴に与える影響を考慮せず,意味的表現が不正確になる。これらの課題に対処するために、フェデレーション付きセマンティックラーニングを導入し、FFMSRをソリューションとして考案する。制限1では,複数層セマンティックエンコーダを用いて,元のテキストからアイテムのセマンティックエンコーダをローカルに学習し,それをサーバ上にクラスタ化し,ドメイン間のセマンティック知識の伝達を容易にする。制限2に取り組むために、クライアントにIDとテキストのモダリティを統合し、それらを利用してアイテムのさまざまな側面を学習する。制限3を扱うために,Fast Fourier Transform (FFT)ベースのフィルタとゲーティング機構を開発し,局所モデルにおける無関係な意味情報の影響を軽減する。本研究では,2つの実世界のデータセットについて広範な実験を行い,FFMSR法が他のSOTA法よりも優れていることを示す。私たちのソースコードは、https://github.com/Sapphire-star/FFMSR.comで公開されています。

関連論文リスト

Text-Video Retrieval with Global-Local Semantic Consistent Learning [122.15339128463715]
我々は,シンプルで効果的なグローバル局所意味的一貫性学習(GLSCL)を提案する。 GLSCLは、テキストビデオ検索のためのモダリティをまたいだ潜在共有セマンティクスを活用する。本手法はSOTAと同等の性能を実現し,計算コストの約220倍の高速化を実現している。
論文参考訳（メタデータ） (2024-05-21T11:59:36Z)
Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。提案手法は他の最先端アルゴリズムに対して好適に機能する。
論文参考訳（メタデータ） (2024-05-15T00:17:48Z)
Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
論文参考訳（メタデータ） (2023-05-17T14:30:11Z)
Multi-Granularity Cross-Modality Representation Learning for Named Entity Recognition on Social Media [11.235498285650142]
ソーシャルメディア上の名前付きエンティティ認識(NER)とは、構造化されていない自由なコンテンツからエンティティを発見し分類することを指す。本研究は,多粒性クロスモダリティ表現学習を導入する。実験の結果,提案手法は2つのツイートのベンチマークデータセット上でSOTAあるいはSOTAの性能を近似することができることがわかった。
論文参考訳（メタデータ） (2022-10-19T15:14:55Z)
Semantic-diversity transfer network for generalized zero-shot learning via inner disagreement based OOD detector [26.89763840782029]
Zero-shot Learning (ZSL) は、見えないクラスからオブジェクトを認識することを目的としている。既存の多くの作品における知識伝達は、1)広く使われている視覚的特徴がグローバルなものであるが、意味的属性と完全に一致していないという事実から、主に制限されている。最初の2つの制約に対処するセマンティック・ダイバーシティ・トランスファー・ネットワーク(SetNet)を提案し、1)マルチアテンションアーキテクチャとダイバーシティ・レギュレータを提案し、セマンティック属性とより整合した複数の局所視覚特徴を学習し、2)幾何学的に多様な局所特徴を入力として取り込むプロジェクタアンサンブルを提案する。
論文参考訳（メタデータ） (2022-03-17T01:31:27Z)
Text-Based Person Search with Limited Data [66.26504077270356]
テキストベースの人物検索(TBPS)は、画像ギャラリーから対象人物を記述的なテキストクエリで検索することを目的としている。限られたデータによってもたらされる問題に対処する2つの新しいコンポーネントを持つフレームワークを提案する。
論文参考訳（メタデータ） (2021-10-20T22:20:47Z)
CMT in TREC-COVID Round 2: Mitigating the Generalization Gaps from Web to Special Domain Search [89.48123965553098]
本稿では,特殊領域適応問題を緩和する探索システムを提案する。このシステムは、ドメイン適応型事前学習と数発の学習技術を利用して、ニューラルネットワークがドメインの不一致を軽減するのに役立つ。本システムでは,TREC-COVID タスクの第2ラウンドにおいて,非マニュアル実行において最善を尽くす。
論文参考訳（メタデータ） (2020-11-03T09:10:48Z)
Towards Accurate Scene Text Recognition with Semantic Reasoning Networks [52.86058031919856]
本稿では,シーンテキスト認識のための意味推論ネットワーク(SRN)という,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。 GSRMはマルチウェイ並列伝送によってグローバルセマンティックコンテキストをキャプチャするために導入された。正規テキスト,不規則テキスト,非ラテン語長文を含む7つの公開ベンチマークの結果,提案手法の有効性とロバスト性を検証した。
論文参考訳（メタデータ） (2020-03-27T09:19:25Z)

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。