論文の概要: TSRec: Enhancing Repeat-Aware Recommendation from a Temporal-Sequential Perspective

• arxiv url: http://arxiv.org/abs/2506.08531v1
• Date: Tue, 10 Jun 2025 07:50:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:41.854997
• Title: TSRec: Enhancing Repeat-Aware Recommendation from a Temporal-Sequential Perspective
• Title（参考訳）: TSRec: テンポラル・シークエンスの観点からのリピート・アウェア・レコメンデーションの促進
• Authors: Shigang Quan, Shui Liu, Zhenzhe Zheng, Fan Wu,
• Abstract要約: 逐次的再認識勧告(TSRec)と呼ばれる新しいモデルを提案する。 TSRecには3つの主要なコンポーネントがある: 1) ユーザ固有の時間表現モジュール(UTRM)。 2) 項目別時間間隔情報を副次情報として組み込んだ項目別時間表現モジュール (ITRM) を用いて, ユーザの反復行動系列のデータ空間問題を緩和する。
• 参考スコア（独自算出の注目度）: 10.395129459310274
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Repeat consumption, such as repurchasing items and relistening songs, is a common scenario in daily life. To model repeat consumption, the repeat-aware recommendation has been proposed to predict which item will be re-interacted based on the user-item interactions. In this paper, we investigate various inherent characteristics to enhance the repeat-aware recommendation. Specifically, we explore these characteristics from two aspects: one is from the temporal aspect where we consider the time interval relationship in the user behavior sequence; the other is from the sequential aspect where we consider the sequential-level relationship in the user behavior sequence. And our intuition is that both the temporal pattern and sequential pattern will reflect users' intentions of repeat consumption. By utilizing these two patterns, a novel model called Temporal and Sequential repeat-aware Recommendation(TSRec for short) is proposed to enhance repeat-aware recommendation. TSRec has three main components: 1) User-specific Temporal Representation Module (UTRM), which encodes and extracts user historical repeat temporal information. 2)Item-specific Temporal Representation Module (ITRM), which incorporates item time interval information as side information to alleviate the data sparsity problem of user repeat behavior sequence. 3) Sequential Repeat-Aware Module (SRAM), which represents the similarity between the user's current and the last repeat sequences. Extensive experimental results on three public benchmarks demonstrate the superiority of TSRec over state-of-the-art methods. The implementation code is available https://anonymous.4open.science/r/TSRec-2306/.
• Abstract（参考訳）: 再購入や再購入などの繰り返し消費は、日常生活において一般的なシナリオである。 リピート消費をモデル化するために、ユーザとイテムの相互作用に基づいて、どのアイテムがリアクションされるかを予測するリピート・アウェア・レコメンデーションが提案されている。 本稿では,リピート・アウェア・レコメンデーションを強化するために,様々な特性について検討する。 具体的には,ユーザの行動系列における時間間隔関係を考える時間的側面と,ユーザ行動系列におけるシーケンシャルな関係を考えるシーケンシャルな側面の2つの側面からこれらの特徴を探索する。 私たちの直感は、時間的パターンとシーケンシャルパターンの両方が、利用者の繰り返し消費の意図を反映しているということです。 これら2つのパターンを活用することで、リピート・アウェア・レコメンデーション(TSRec)と呼ばれる新しいモデルが提案され、リピート・アウェア・レコメンデーションが強化される。 TSRecには3つの主要なコンポーネントがある: 1) ユーザ固有の時間表現モジュール(UTRM)。 2) 項目別時間間隔情報を副次情報として組み込んだ項目別時間表現モジュール (ITRM) を用いて, ユーザの反復行動系列のデータ空間問題を緩和する。 3)SRAM(Sequential Repeat-Aware Module)は,ユーザのカレントと最後のリピートシーケンスの類似性を表す。 3つの公開ベンチマークの大規模な実験結果は、最先端の手法よりもTSRecの方が優れていることを示している。 実装コードはhttps://anonymous.4open.science/r/TSRec-2306/である。

関連論文リスト

• UniRec: A Dual Enhancement of Uniformity and Frequency in Sequential Recommendations [13.654819858917332]
  新たな双方向拡張シーケンシャルレコメンデーション手法であるUniRecを提案する。 UniRecは、一様でないシーケンスと少ない頻度のアイテムの表現を改善している。 我々の知る限り、UniRecは特徴増強のための均一性と周波数の特性を利用する最初の方法である。
  論文  参考訳（メタデータ） (2024-06-26T16:28:24Z)
• Sequential Recommendation with Controllable Diversification: Representation Degeneration and Diversity [59.24517649169952]
  我々は,表現退化問題は,既存のSR手法における推奨の多様性の欠如の根本原因であると主張している。 Singular sPectrum sMoothing regularization for Recommendation (SPMRec)を提案する。
  論文  参考訳（メタデータ） (2023-06-21T02:42:37Z)
• When Search Meets Recommendation: Learning Disentangled Search Representation for Recommendation [56.98380787425388]
  シークエンシャルレコメンデーション(SESRec)のための検索強化フレームワークを提案する。 SESRec は、S&R の振る舞いにおいて類似および異種表現を分離する。 産業用と公共用両方のデータセットの実験では、SESRecが最先端のモデルより一貫して優れていることが示されている。
  論文  参考訳（メタデータ） (2023-05-18T09:04:50Z)
• Learning Dual Dynamic Representations on Time-Sliced User-Item Interaction Graphs for Sequential Recommendation [62.30552176649873]
  シーケンシャルレコメンデーションのための動的表現学習モデル(DRL-SRe)を考案する。 両面から動的に特徴付けるためのユーザ・イテム相互作用をモデル化するため,提案モデルでは,時間スライス毎にグローバルなユーザ・イテム相互作用グラフを構築した。 モデルが微粒な時間情報を捕捉することを可能にするため,連続時間スライス上での補助的時間予測タスクを提案する。
  論文  参考訳（メタデータ） (2021-09-24T07:44:27Z)
• Continuous-Time Sequential Recommendation with Temporal Graph Collaborative Transformer [69.0621959845251]
  本稿では,定義した連続時間二部グラフ上での時間グラフシーケンスレコメンダ(TGSRec)を提案する。 TCTレイヤは、ユーザとアイテムの両方からの協調的な信号を同時にキャプチャすると同時に、シーケンシャルパターン内の時間的ダイナミクスも考慮する。 5つのデータセットの実証結果は、TGSRecが他のベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2021-08-14T22:50:53Z)
• Sequential Recommender via Time-aware Attentive Memory Network [67.26862011527986]
  本稿では,注意機構と繰り返し単位を改善するための時間ゲーティング手法を提案する。 また,長期と短期の嗜好を統合するマルチホップ・タイムアウェア・アテンテーティブ・メモリ・ネットワークを提案する。 提案手法は,候補探索タスクに対してスケーラブルであり,ドット積に基づくTop-Kレコメンデーションのための潜在因数分解の非線形一般化とみなすことができる。
  論文  参考訳（メタデータ） (2020-05-18T11:29:38Z)
• Context-aware and Scale-insensitive Temporal Repetition Counting [60.40438811580856]
  時間的反復カウントは、与えられた反復行動のサイクル数を推定することを目的としている。 既存のディープラーニング手法は、実生活における複雑な反復行動に対して無効である固定された時間スケールで繰り返し動作が実行されると仮定する。 本稿では,未知かつ多様なサイクル長による繰り返しカウントの課題に対処するための文脈認識・スケール非感性フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-18T05:49:48Z)

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。