論文の概要: Hierarchical Attention Fusion of Visual and Textual Representations for Cross-Domain Sequential Recommendation

• arxiv url: http://arxiv.org/abs/2504.15085v1
• Date: Mon, 21 Apr 2025 13:18:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 16:27:39.348108
• Title: Hierarchical Attention Fusion of Visual and Textual Representations for Cross-Domain Sequential Recommendation
• Title（参考訳）: 視覚的・テキスト的表現の階層的注意融合
• Authors: Wangyu Wu, Zhenhong Chen, Siqi Song, Xianglin Qiua, Xiaowei Huang, Fei Ma, Jimin Xiao,
• Abstract要約: クロスドメインシークエンシャルレコメンデーション(CDSR)は、複数のドメインにわたる歴史的なインタラクションを活用することで、ユーザの振る舞いを予測する。 本稿では,視覚的・テキスト的表現の階層的意図融合(HAF-VT)を提案する。 階層的な注意機構は、人間の情報統合を模倣して、単一ドメインとクロスドメインの好みを共同で学習する。
• 参考スコア（独自算出の注目度）: 19.654959889052638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-Domain Sequential Recommendation (CDSR) predicts user behavior by leveraging historical interactions across multiple domains, focusing on modeling cross-domain preferences through intra- and inter-sequence item relationships. Inspired by human cognitive processes, we propose Hierarchical Attention Fusion of Visual and Textual Representations (HAF-VT), a novel approach integrating visual and textual data to enhance cognitive modeling. Using the frozen CLIP model, we generate image and text embeddings, enriching item representations with multimodal data. A hierarchical attention mechanism jointly learns single-domain and cross-domain preferences, mimicking human information integration. Evaluated on four e-commerce datasets, HAF-VT outperforms existing methods in capturing cross-domain user interests, bridging cognitive principles with computational models and highlighting the role of multimodal data in sequential decision-making.
• Abstract（参考訳）: クロスドメインシークエンシャルレコメンデーション(CDSR)は、複数のドメインにわたる歴史的相互作用を活用し、シーケンス内およびシーケンス間アイテムの関係を通じてドメイン間の好みをモデル化することに焦点を当て、ユーザの振る舞いを予測する。 人間の認知プロセスに触発されて,視覚的・テキスト的表現の階層的意図融合(HAF-VT)を提案する。 凍結したCLIPモデルを用いて、画像とテキストの埋め込みを生成し、アイテム表現をマルチモーダルデータで強化する。 階層的な注意機構は、人間の情報統合を模倣して、単一ドメインとクロスドメインの好みを共同で学習する。 4つのeコマースデータセットに基づいて評価され、HAF-VTは、クロスドメインのユーザ関心を捉え、認知原則を計算モデルでブリッジし、シーケンシャルな意思決定におけるマルチモーダルデータの役割を強調し、既存の手法より優れている。

関連論文リスト

• Image Fusion for Cross-Domain Sequential Recommendation [20.37668418178215]
  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。
  論文  参考訳（メタデータ） (2024-12-31T02:44:38Z)
• Multisource Collaborative Domain Generalization for Cross-Scene Remote Sensing Image Classification [57.945437355714155]
  クロスシーン画像分類は, 異なる分布領域のアノテート領域に, 地中物質の事前の知識を伝達することを目的としている。 既存のアプローチでは、未確認のターゲットドメインへの単一ソースドメインの一般化に重点を置いている。 マルチソースリモートセンシングデータの均一性と不均一性特性に基づく,新しいマルチソース協調型ドメイン一般化フレームワーク(MS-CDG)を提案する。
  論文  参考訳（メタデータ） (2024-12-05T06:15:08Z)
• 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)
• 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)
• Variational Interaction Information Maximization for Cross-domain Disentanglement [34.08140408283391]
  ドメイン間の絡み合いは、ドメイン不変表現とドメイン固有表現に分割された表現の学習の問題である。 複数の情報制約の共用目的として,ドメイン不変表現とドメイン固有表現の同時学習を行った。 ゼロショットスケッチに基づく画像検索タスクにおいて,本モデルが最新性能を達成することを示した。
  論文  参考訳（メタデータ） (2020-12-08T07:11:35Z)
• Learning to Combine: Knowledge Aggregation for Multi-Source Domain Adaptation [56.694330303488435]
  マルチソースドメイン適応(LtC-MSDA)フレームワークを併用する学習法を提案する。 簡単に言うと、知識グラフは様々なドメインのプロトタイプ上に構築され、セマンティックに隣接した表現間の情報伝達を実現する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-07-17T07:52:44Z)

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。