論文の概要: FIM: Frequency-Aware Multi-View Interest Modeling for Local-Life Service Recommendation

• arxiv url: http://arxiv.org/abs/2504.17814v2
• Date: Wed, 30 Apr 2025 07:51:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.51072
• Title: FIM: Frequency-Aware Multi-View Interest Modeling for Local-Life Service Recommendation
• Title（参考訳）: FIM:地域生活推薦のための周波数対応多視点関心モデリング
• Authors: Guoquan Wang, Qiang Luo, Weisong Hu, Pengfei Yao, Wencong Zeng, Guorui Zhou, Kun Gai,
• Abstract要約: 地域生活サービスレコメンデーションシステムにおけるユーザの定期行動のモデル化における主な課題は,1)ユーザの多様な要求が様々な周期性を示すこと,2)休日やプロモーションイベントなどの要因によってユーザの定期行動が動的に変化すること,である。 本稿では、ユーザの要求を異なる視点から分解し、様々な周期的意図を分離する周波数対応多視点関心モデリングフレームワーク(FIM)を提案する。
• 参考スコア（独自算出の注目度）: 13.42740803837504
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People's daily lives involve numerous periodic behaviors, such as eating and traveling. Local-life platforms cater to these recurring needs by providing essential services tied to daily routines. Therefore, users' periodic intentions are reflected in their interactions with the platforms. There are two main challenges in modeling users' periodic behaviors in the local-life service recommendation systems: 1) the diverse demands of users exhibit varying periodicities, which are difficult to distinguish as they are mixed in the behavior sequences; 2) the periodic behaviors of users are subject to dynamic changes due to factors such as holidays and promotional events. Existing methods struggle to distinguish the periodicities of diverse demands and overlook the importance of dynamically capturing changes in users' periodic behaviors. To this end, we employ a Frequency-Aware Multi-View Interest Modeling framework (FIM). Specifically, we propose a multi-view search strategy that decomposes users' demands from different perspectives to separate their various periodic intentions. This allows the model to comprehensively extract their periodic features than category-searched-only methods. Moreover, we propose a frequency-domain perception and evolution module. This module uses the Fourier Transform to convert users' temporal behaviors into the frequency domain, enabling the model to dynamically perceive their periodic features. Extensive offline experiments demonstrate that FIM achieves significant improvements on public and industrial datasets, showing its capability to effectively model users' periodic intentions. Furthermore, the model has been deployed on the Kuaishou local-life service platform. Through online A/B experiments, the transaction volume has been significantly improved.
• Abstract（参考訳）: 人々の日常生活には、食事や旅行など、多くの定期的な行動が含まれる。 ローカルライフプラットフォームは、日々のルーチンに結びついた本質的なサービスを提供することによって、これらの反復的なニーズに対応する。 したがって、ユーザの周期的な意図はプラットフォームとのインタラクションに反映される。 地域生活サービスレコメンデーションシステムにおけるユーザの周期行動のモデル化には,2つの大きな課題がある。 1) 利用者の多様な要求は,行動系列に混在しているため区別が難しい,様々な周期性を示す。 2)利用者の周期的な行動は,休日やプロモーションイベントなどの要因によって動的に変化する。 既存の手法は,多様な要求の周期性を識別し,ユーザの周期的行動の変化を動的に捉えることの重要性を見落としている。 この目的のために、周波数対応多視点関心モデリングフレームワーク(FIM)を用いる。 具体的には、ユーザの要求を異なる視点から分解し、様々な周期的意図を分離する多視点検索戦略を提案する。 これにより、カテゴリ検索のみの手法よりも、周期的特徴を包括的に抽出することができる。 さらに,周波数領域認識と進化モジュールを提案する。 このモジュールは、ユーザの時間的振る舞いを周波数領域に変換するためにフーリエ変換を使用し、モデルの周期的特徴を動的に知覚することを可能にする。 大規模なオフライン実験により、FIMはパブリックデータセットとインダストリアルデータセットの大幅な改善を実現し、ユーザの定期的な意図を効果的にモデル化する能力を示している。 さらに、このモデルはKuaishouのローカルライフサービスプラットフォームにデプロイされている。 オンラインA/B実験により、取引量は大幅に改善された。

関連論文リスト

• MPTSNet: Integrating Multiscale Periodic Local Patterns and Global Dependencies for Multivariate Time Series Classification [18.142252811096643]
  我々は,MPTSNet(Multiscale Periodic Time Series Network)を提案する。 MPTSNetは、マルチスケールな局所パターンとグローバルな相関を統合し、時系列の固有情報をフル活用する。 UEAベンチマークデータセットの実験は、提案されたMPTSNetがMTSCタスクの21の高度なベースラインを上回っていることを示している。
  論文  参考訳（メタデータ） (2025-03-07T17:07:51Z)
• AdaF^2M^2: Comprehensive Learning and Responsive Leveraging Features in Recommendation System [16.364341783911414]
  本稿では,モデルに依存しないフレームワークであるAdaF2M2を提案する。 AdaF2M2でベースモデルを固定することにより、複数のレコメンデーションシナリオでオンラインA/Bテストを行い、ユーザアクティブ日とアプリ期間で+1.37%、+1.89%の累積的な改善を実現した。
  論文  参考訳（メタデータ） (2025-01-27T06:49:27Z)
• Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction [68.90783662117936]
  クリックスルーレート(CTR)の予測は、オンラインパーソナライズプラットフォームにとって不可欠である。 近年の進歩は、リッチなユーザの振る舞いをモデル化することで、CTR予測の性能を大幅に改善できることを示している。 マルチグラニュラリティ興味検索ネットワーク(MIRRN)を提案する。
  論文  参考訳（メタデータ） (2024-11-22T15:29:05Z)
• A Practitioner's Guide to Continual Multimodal Pretraining [83.63894495064855]
  マルチモーダル・ファンデーション・モデルは視覚と言語を交わす多くのアプリケーションに役立っている。 モデルを更新し続けるために、継続事前トレーニングの研究は主に、大規模な新しいデータに対する頻度の低い、差別的な更新、あるいは頻繁に行われるサンプルレベルの更新のシナリオを探求する。 本稿では,FoMo-in-Flux(FoMo-in-Flux)について紹介する。
  論文  参考訳（メタデータ） (2024-08-26T17:59:01Z)
• Multi-Behavior Sequential Recommendation with Temporal Graph Transformer [66.10169268762014]
  マルチビヘイビア・インタラクティブなパターンを意識した動的ユーザ・イテム関係学習に取り組む。 本稿では,動的短期および長期のユーザ・イテム対話パターンを共同でキャプチャする,TGT(Temporal Graph Transformer)レコメンデーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T15:42:54Z)
• Learning Self-Modulating Attention in Continuous Time Space with Applications to Sequential Recommendation [102.24108167002252]
  本稿では,複雑で非線形に進化する動的ユーザの嗜好をモデル化する,自己変調型注意ネットワークを提案する。 提案手法がトップNシーケンシャルなレコメンデーションタスクに与える影響を実証的に示すとともに,3つの大規模実世界のデータセットによる結果から,我々のモデルが最先端のパフォーマンスを達成できることを示す。
  論文  参考訳（メタデータ） (2022-03-30T03:54:11Z)
• DEPTS: Deep Expansion Learning for Periodic Time Series Forecasting [83.60876685008225]
  PTS予測のための深層拡張学習フレームワークDEPTSを導入する。 DEPTSは、周期状態を隠れ変数として導入することで、分離された定式化から始まる。 我々の2つのカスタマイズされたモジュールは、局所的なモーメントまたはグローバルな周期性に予測を帰属させるなど、ある程度の解釈可能な能力を持っている。
  論文  参考訳（メタデータ） (2022-03-15T06:51:58Z)
• Event-Aware Multimodal Mobility Nowcasting [11.540605108140538]
  イベント認識型時間ネットワークEAST-Netは、ソーシャルデータセットの多種多様な実世界のデータセットで評価される。 その結果、最先端のベースラインと比較して、我々のアプローチの優位性を検証した。
  論文  参考訳（メタデータ） (2021-12-14T12:35:20Z)
• Empowering General-purpose User Representation with Full-life Cycle Behavior Modeling [11.698166058448555]
  本稿では,この課題に対処するために,フルライフサイクルユーザ表現モデル(LURM)と呼ばれる新しいフレームワークを提案する。 LURMは2つのカスケードサブモデルで構成されている: (I) Bag-of-Interests (BoI) は、任意の期間におけるユーザの振る舞いを超高次元のスパースベクトル(例:105)にエンコードする。 SMENは、ユーザ関心の異なる側面を学習できる新しいマルチアンカーモジュールの恩恵を受け、ほぼ次元の削減を実現している。
  論文  参考訳（メタデータ） (2021-10-20T08:24:44Z)
• 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)

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。