論文の概要: Burger: Robust Graph Denoising-augmentation Fusion and Multi-semantic Modeling in Social Recommendation

• arxiv url: http://arxiv.org/abs/2505.06612v2
• Date: Thu, 29 May 2025 16:52:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 15:42:33.807507
• Title: Burger: Robust Graph Denoising-augmentation Fusion and Multi-semantic Modeling in Social Recommendation
• Title（参考訳）: Burger: ソーシャルレコメンデーションにおけるロバストグラフの一般化とマルチセマンティックモデリング
• Authors: Yuqin Lan, Laurence T. Yang,
• Abstract要約: ラウンドアラインバストガンダーラインラフ・デノワシンアンダーライン・アンダーライン・フュージョンとマルチサンダーライン・マンティック・モデリング(バーガー)を用いたソーシャル・アンダーライン勧告モデルを導入する。 ユーザ・イテムインタラクション・ネットワークとソーシャルネットワークの異なるセマンティック・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・ネットワークにおけるセマンティック・インフォメーション・インフォメーション・インフォメーション・インフォメー
• 参考スコア（独自算出の注目度）: 10.262762637015733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the era of rapid development of social media, social recommendation systems as hybrid recommendation systems have been widely applied. Existing methods capture interest similarity between users to filter out interest-irrelevant relations in social networks that inevitably decrease recommendation accuracy, however, limited research has a focus on the mutual influence of semantic information between the social network and the user-item interaction network for further improving social recommendation. To address these issues, we introduce a social \underline{r}ecommendation model with ro\underline{bu}st g\underline{r}aph denoisin\underline{g}-augmentation fusion and multi-s\underline{e}mantic Modeling(Burger). Specifically, we firstly propose to construct a social tensor in order to smooth the training process of the model. Then, a graph convolutional network and a tensor convolutional network are employed to capture user's item preference and social preference, respectively. Considering the different semantic information in the user-item interaction network and the social network, a bi-semantic coordination loss is proposed to model the mutual influence of semantic information. To alleviate the interference of interest-irrelevant relations on multi-semantic modeling, we further use Bayesian posterior probability to mine potential social relations to replace social noise. Finally, the sliding window mechanism is utilized to update the social tensor as the input for the next iteration. Extensive experiments on three real datasets show Burger has a superior performance compared with the state-of-the-art models.
• Abstract（参考訳）: ソーシャルメディアの急速な発展期には、ハイブリッドレコメンデーションシステムとしてのソーシャルレコメンデーションシステムが広く採用されている。 既存の手法では、ユーザの関心関係を抽出して、リコメンデーション精度を必然的に下げることのできるソーシャルネットワークの関心関係を抽出するが、限定的な研究は、ソーシャルレコメンデーションをさらに改善するために、ソーシャルネットワークとユーザとイテムのインタラクションネットワーク間のセマンティクス情報の相互影響に焦点を当てている。 これらの問題に対処するために、ro\underline{bu}st g\underline{r}aph denoisin\underline{g}-augmentation fusion と multi-s\underline{e}mantic Modeling(Burger)を用いたソーシャルな \underline{r}ecommendation モデルを導入する。 具体的には、まずモデルの学習過程を円滑にするために、社会的なテンソルを構築することを提案する。 そして、ユーザの項目嗜好と社会的嗜好をそれぞれキャプチャするために、グラフ畳み込みネットワークとテンソル畳み込みネットワークを用いる。 ユーザ・イテムインタラクション・ネットワークとソーシャルネットワークの異なるセマンティック・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・ネットワークにおけるセマンティック・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・インフォメーション・モデルを提案する。 マルチセマンティックモデリングにおける利害関係の干渉を軽減するため、ベイジアンの後続確率を用いて、潜在的な社会的関係をマイニングし、社会ノイズを置き換える。 最後に、スライドウインドウ機構を利用して、次のイテレーションの入力としてソーシャルテンソルを更新する。 3つの実際のデータセットに対する大規模な実験は、Burgerが最先端のモデルよりも優れたパフォーマンスを示していることを示している。

関連論文リスト

• Invariance Matters: Empowering Social Recommendation via Graph Invariant Learning [39.957513241513105]
  ソーシャルグラフ不変学習(Social Graph Invariant Learning, SGIL)は、入力されたソーシャルグラフ内の安定したユーザの好みを明らかにすることを目的としている。 この目的を達成するために、SGILはまず、グラフ生成器を通じて複数のノイズの多い社会環境をシミュレートする。 生成した社会環境の多様性をさらに促進するために、敵の訓練戦略を採用する。
  論文  参考訳（メタデータ） (2025-04-14T17:20:48Z)
• Contrastive Learning Augmented Social Recommendations [9.20712944489791]
  本稿では,行動データから得られた関心表現を補完するために,再構成されたソーシャルグラフを活用することを提案する。 コンテンツプラットフォーム上でのソーシャルグラフの普及にもかかわらず、そのユーティリティはソーシャルリレーショナルノイズによって妨げられている。 本稿では,グラフデータにおけるノイズ伝搬を緩和し,信頼性の高い社会的関心を抽出するための2視点デノベ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） (2025-01-03T16:29:51Z)
• Modeling Social Media Recommendation Impacts Using Academic Networks: A Graph Neural Network Approach [4.138915764680197]
  本研究では,学術ソーシャルネットワークをソーシャルメディアにおけるレコメンデーションシステム調査のプロキシとして活用することを提案する。 グラフニューラルネットワーク(GNN)を用いて,学術情報圏の予測と行動予測を分離するモデルを構築する。 提案手法は,レコメンデーションシステムの役割とソーシャルネットワークのモデリングに関する理解を深めることを目的としている。
  論文  参考訳（メタデータ） (2024-10-06T17:03:27Z)
• Balancing User Preferences by Social Networks: A Condition-Guided Social Recommendation Model for Mitigating Popularity Bias [64.73474454254105]
  ソーシャルレコメンデーションモデルは、ユーザに対してユニークなパーソナライズされたレコメンデーション結果を提供するために、ソーシャルインタラクションをデザインに織り込む。 既存のソーシャルレコメンデーションモデルは、人気バイアスや社会的情報の冗長性の問題に対処できない。 本稿では,モデルの人気バイアスを軽減するための条件付きソーシャルレコメンデーションモデル(CGSoRec)を提案する。
  論文  参考訳（メタデータ） (2024-05-27T02:45:01Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Interpretable Signed Link Prediction with Signed Infomax Hyperbolic Graph [54.03786611989613]
  ソーシャルネットワークにおけるサイン付きリンク予測は、ユーザ(すなわちノード)間の基盤となる関係(リンク)を明らかにすることを目的としている 我々は Signed Infomax Hyperbolic Graph (textbfSIHG) と呼ばれる統一されたフレームワークを開発する。 高次ユーザ関係と複雑な階層をモデル化するために、ノードの埋め込みを投影し、より低歪みの双曲空間で測定する。
  論文  参考訳（メタデータ） (2020-11-25T05:09:03Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。