論文の概要: X-Cross: Dynamic Integration of Language Models for Cross-Domain Sequential Recommendation

• arxiv url: http://arxiv.org/abs/2504.20859v1
• Date: Tue, 29 Apr 2025 15:33:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.962188
• Title: X-Cross: Dynamic Integration of Language Models for Cross-Domain Sequential Recommendation
• Title（参考訳）: X-Cross: クロスドメインシーケンスレコメンデーションのための言語モデルの動的統合
• Authors: Guy Hadad, Haggai Roitman, Yotam Eshel, Bracha Shapira, Lior Rokach,
• Abstract要約: X-Crossは、いくつかのドメイン固有の言語モデルを統合することで、新しいドメインのプロダクトを推奨するシーケンシャルな推奨モデルである。 X-Crossはローランクアダプタ(LoRA)で微調整されたモデルに匹敵する性能を達成する
• 参考スコア（独自算出の注目度）: 15.352967626710107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As new products are emerging daily, recommendation systems are required to quickly adapt to possible new domains without needing extensive retraining. This work presents ``X-Cross'' -- a novel cross-domain sequential-recommendation model that recommends products in new domains by integrating several domain-specific language models; each model is fine-tuned with low-rank adapters (LoRA). Given a recommendation prompt, operating layer by layer, X-Cross dynamically refines the representation of each source language model by integrating knowledge from all other models. These refined representations are propagated from one layer to the next, leveraging the activations from each domain adapter to ensure domain-specific nuances are preserved while enabling adaptability across domains. Using Amazon datasets for sequential recommendation, X-Cross achieves performance comparable to a model that is fine-tuned with LoRA, while using only 25% of the additional parameters. In cross-domain tasks, such as adapting from Toys domain to Tools, Electronics or Sports, X-Cross demonstrates robust performance, while requiring about 50%-75% less fine-tuning data than LoRA to make fine-tuning effective. Furthermore, X-Cross achieves significant improvement in accuracy over alternative cross-domain baselines. Overall, X-Cross enables scalable and adaptive cross-domain recommendations, reducing computational overhead and providing an efficient solution for data-constrained environments.
• Abstract（参考訳）: 新製品が毎日出現するにつれて、リコメンデーションシステムは、広範囲のリトレーニングを必要とせずに、新しいドメインに迅速に適応することが求められている。 ドメイン固有の言語モデルを統合することで、新しいドメインのプロダクトを推奨する新しいクロスドメインシーケンシャルレコメンデーションモデルである ``X-Cross'' を提示する。 X-Crossはレコメンデーションプロンプト、層ごとの操作を与えられた場合、他のすべてのモデルからの知識を統合することで、各ソース言語モデルの表現を動的に洗練する。 これらの洗練された表現は、各ドメインアダプタからのアクティベーションを活用して、ドメイン固有のニュアンスを保存すると同時に、ドメイン間の適応性を実現している。 Amazonのデータセットをシーケンシャルレコメンデーションに使用することで、X-CrossはLoRAで微調整されたモデルに匹敵するパフォーマンスを実現し、追加パラメータの25%しか使用していない。 ToysドメインからTools、Electronic、Sportsへの適応のようなクロスドメインタスクでは、X-Crossはロラよりも50%～75%少ない微調整データを必要とする一方で、堅牢なパフォーマンスを示している。 さらに、X-Crossは代替のクロスドメインベースラインよりも精度が大幅に向上する。 全体として、X-Crossはスケーラブルで適応的なクロスドメインレコメンデーションを可能にし、計算オーバーヘッドを削減し、データ制約のある環境に効率的なソリューションを提供する。

関連論文リスト

• Improving Few-Shot Cross-Domain Named Entity Recognition by Instruction Tuning a Word-Embedding based Retrieval Augmented Large Language Model [0.0]
  Few-Shot Cross-Domain NERは、データ豊富なソースドメインからの知識を活用して、データ不足のターゲットドメイン上でエンティティ認識を実行するプロセスである。 名前付きエンティティ認識のための検索拡張大言語モデルIF-WRANERを提案する。
  論文  参考訳（メタデータ） (2024-11-01T08:57:29Z)
• 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)
• UniHDA: A Unified and Versatile Framework for Multi-Modal Hybrid Domain Adaptation [22.003900281544766]
  提案するUniHDAは,複数のドメインからのマルチモーダル参照を持つハイブリッドドメインを生成可能なフレームワークである。 我々のフレームワークはジェネレータに依存しず、StyleGAN, EG3D, Diffusion Modelsなどの複数のジェネレータに汎用的です。
  論文  参考訳（メタデータ） (2024-01-23T09:49:24Z)
• 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)
• A New cross-domain strategy based XAI models for fake news detection [0.0]
  クロスドメインテキスト分類は、ソースドメインの知識を用いて、ターゲットドメインを採用するモデルのタスクである。 ファインチューンBERTモデルは、異なるドメインのデータセットを使用して、いくつかの実験でクロスドメイン分類を行うために使用される。 Anchor、ELI5、LIME、SHAPなどの説明モデルは、クロスドメインレベルに対する新しい説明可能なアプローチを設計するために使用される。
  論文  参考訳（メタデータ） (2023-02-04T07:36:17Z)
• DynaGAN: Dynamic Few-shot Adaptation of GANs to Multiple Domains [26.95350186287616]
  複数のドメインへのドメイン適応は、いくつかのトレーニングイメージから複数のドメインにまたがる複雑なイメージ分布を学習することを目的としている。 複数のターゲットドメインに対する新規な数ショットドメイン適応法であるDynaGANを提案する。
  論文  参考訳（メタデータ） (2022-11-26T12:46:40Z)
• Slimmable Domain Adaptation [112.19652651687402]
  重み付けモデルバンクを用いて、ドメイン間の一般化を改善するためのシンプルなフレームワーク、Slimmable Domain Adaptationを導入する。 私たちのフレームワークは、他の競合するアプローチを、複数のベンチマークにおいて非常に大きなマージンで上回ります。
  論文  参考訳（メタデータ） (2022-06-14T06:28:04Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)
• Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate Prediction [76.98616102965023]
  クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。 本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
  論文  参考訳（メタデータ） (2021-06-05T01:21:21Z)
• Multi-path Neural Networks for On-device Multi-domain Visual Classification [55.281139434736254]
  本稿では,モバイルデバイス上でのマルチドメイン視覚分類のためのマルチパスネットワークの自動学習手法を提案する。 提案するマルチパスネットワークは,各ドメインに1つの強化学習コントローラを適用して,MobileNetV3のような検索空間から生成されたスーパーネットワークの最適経路を選択することにより,ニューラルネットワーク検索から学習する。 決定されたマルチパスモデルは、個々のドメインパス内の非共有ノード内にドメイン固有のパラメータを保持しながら、共有ノード内のドメイン間でパラメータを選択的に共有する。
  論文  参考訳（メタデータ） (2020-10-10T05:13:49Z)

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。