論文の概要: FROG: Effective Friend Recommendation in Online Games via Modality-aware User Preferences

• arxiv url: http://arxiv.org/abs/2504.09428v3
• Date: Sat, 26 Apr 2025 14:35:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.487406
• Title: FROG: Effective Friend Recommendation in Online Games via Modality-aware User Preferences
• Title（参考訳）: FROG: Modality-Aware User Preferencesによるオンラインゲームにおける効果的な友達推薦
• Authors: Qiwei Wang, Dandan Lin, Wenqing Lin, Ziming Wu,
• Abstract要約: 本研究では,友達の好みをモデル化するエンド・ツー・エンドモデルFROGを提案する。 Tencentのオフライン評価とオンラインデプロイメントに関する総合的な実験は、既存のアプローチよりもFROGの方が優れていることを示した。
• 参考スコア（独自算出の注目度）: 12.94173294780878
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the convenience of mobile devices, the online games have become an important part for user entertainments in reality, creating a demand for friend recommendation in online games. However, none of existing approaches can effectively incorporate the multi-modal user features (e.g., images and texts) with the structural information in the friendship graph, due to the following limitations: (1) some of them ignore the high-order structural proximity between users, (2) some fail to learn the pairwise relevance between users at modality-specific level, and (3) some cannot capture both the local and global user preferences on different modalities. By addressing these issues, in this paper, we propose an end-to-end model FROG that better models the user preferences on potential friends. Comprehensive experiments on both offline evaluation and online deployment at Tencent have demonstrated the superiority of FROG over existing approaches.
• Abstract（参考訳）: モバイルゲームの利便性のため、オンラインゲームは現実のユーザーエンターテイメントにとって重要な部分となり、オンラインゲームにおける友人推薦の需要が高まっている。 しかし,既存のアプローチでは,(1)ユーザ間の高次構造的近接性を無視したり,(2)モダリティ固有のレベルでユーザ間の相互関係を学習できなかったり,(3)モダリティの異なる局所的およびグローバルなユーザ嗜好を捉えることができない,といった制約により,親和性グラフの構造的情報にマルチモーダルなユーザ特徴(画像やテキストなど)を効果的に組み込むことはできない。 本稿では、これらの課題に対処して、潜在的友人の好みをモデル化するエンド・ツー・エンドモデルFROGを提案する。 Tencentのオフライン評価とオンラインデプロイメントに関する総合的な実験は、既存のアプローチよりもFROGの方が優れていることを示した。

関連論文リスト

• Online Clustering of Dueling Bandits [59.09590979404303]
  本稿では、優先フィードバックに基づく協調的な意思決定を可能にするために、最初の「デュエルバンディットアルゴリズムのクラスタリング」を導入する。 本稿では,(1)ユーザ報酬関数をコンテキストベクトルの線形関数としてモデル化する線形デューリング帯域のクラスタリング(COLDB)と,(2)ニューラルネットワークを用いて複雑な非線形ユーザ報酬関数をモデル化するニューラルデューリング帯域のクラスタリング(CONDB)の2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-02-04T07:55:41Z)
• SoMeR: Multi-View User Representation Learning for Social Media [1.7949335303516192]
  ソーシャルメディアのユーザ表現学習は、低次元ベクトル表現におけるユーザの好み、興味、振る舞いを捉えることを目的としている。 本稿では,時間的活動,テキストの内容,プロファイル情報,ネットワークインタラクションを組み込んで総合的なユーザ肖像画を学習するフレームワークであるSoMeRを提案する。 1) 情報操作ドライバアカウントの特定,2) 主要なイベント後のオンライン偏光の測定,3) Reddit のヘイトコミュニティにおける将来のユーザ参加予測の3つのアプリケーションを通じて,SoMeR の汎用性を実証した。
  論文  参考訳（メタデータ） (2024-05-02T22:26:55Z)
• Countering Mainstream Bias via End-to-End Adaptive Local Learning [17.810760161534247]
  CF(Collaborative Filtering)ベースのレコメンデーションは、主流のバイアスに悩まされる。 主流ユーザとニッチユーザの両方に高品質なレコメンデーションを提供するために,新しいエンドツーエンド適応型ローカル学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-13T03:17:33Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation [64.37111498077866]
  本稿では,感情支援会話のための新しいモデルを提案する。 ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。 評価実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-25T10:32:04Z)
• X2T: Training an X-to-Text Typing Interface with Online Learning from User Feedback [83.95599156217945]
  ユーザがキーボードを操作できないが、他の入力を供給できる、補助型タイピングアプリケーションに焦点を当てる。 標準メソッドは、ユーザ入力の固定データセット上でモデルをトレーニングし、そのミスから学ばない静的インターフェースをデプロイする。 このようなインターフェースが時間の経過とともに改善されるようなシンプルなアイデアを,ユーザによる最小限の努力で検討する。
  論文  参考訳（メタデータ） (2022-03-04T00:07:20Z)
• Knowledge-Enhanced Hierarchical Graph Transformer Network for Multi-Behavior Recommendation [56.12499090935242]
  本研究では,ユーザとレコメンデータシステムにおける項目間の多種類の対話パターンを探索する知識強化階層型グラフトランスフォーマネットワーク(KHGT)を提案する。 KHGTはグラフ構造化ニューラルネットワーク上に構築され、タイプ固有の振る舞い特性をキャプチャする。 KHGTは、様々な評価設定において、最先端のレコメンデーション手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-08T09:44:00Z)
• Relational Graph Neural Networks for Fraud Detection in a Super-App environment [53.561797148529664]
  スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。 我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。 以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
  論文  参考訳（メタデータ） (2021-07-29T00:02:06Z)
• Mixture of Virtual-Kernel Experts for Multi-Objective User Profile Modeling [9.639497198579257]
  ディープラーニングは、歴史的行動からユーザの好みを記述するために、表現力のあるタグをマイニングするために広く使用されている。 従来のソリューションは通常、異なるアクションからタグをマイニングするために複数の独立したTwo-Towerモデルを導入します。 本稿では,Mixture of Virtual- Kernel Experts (MVKE) と呼ばれる新しいマルチタスクモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-04T07:52:52Z)
• Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
  社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。 高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:30Z)
• Explore User Neighborhood for Real-time E-commerce Recommendation [30.33951897839399]
  グローバル情報とローカル情報の両方をリアルタイムにレコメンデーションできる,自己補完型協調フィルタリング(SCCF)というフレームワークを提案する。 インダクティブモデルでユーザ表現をリアルタイムで推測することで,ユーザ毎の類似ユーザをリアルタイムで識別することができる。 また、リアルタイム設定にユーザーベースのメソッドを適用する最初の試みです。
  論文  参考訳（メタデータ） (2021-02-28T09:56:09Z)
• Supporting Financial Inclusion with Graph Machine Learning and Super-App Alternative Data [63.942632088208505]
  スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。 本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
  論文  参考訳（メタデータ） (2021-02-19T15:13:06Z)

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。