論文の概要: SEP-GCN: Leveraging Similar Edge Pairs with Temporal and Spatial Contexts for Location-Based Recommender Systems

• arxiv url: http://arxiv.org/abs/2506.16003v1
• Date: Thu, 19 Jun 2025 03:48:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.928817
• Title: SEP-GCN: Leveraging Similar Edge Pairs with Temporal and Spatial Contexts for Location-Based Recommender Systems
• Title（参考訳）: SEP-GCN:位置ベースレコメンダシステムのための時空間文脈による類似エッジペアの活用
• Authors: Tan Loc Nguyen, Tin T. Tran,
• Abstract要約: SEP-GCNは、文脈的に類似した相互作用エッジのペアから学習する新しいグラフベースのレコメンデーションフレームワークである。 SEP-GCNは、類似の時間的ウィンドウや地理的近接で発生するエッジペアを識別することにより、コンテキスト的類似性リンクでユーザ-itemグラフを拡張する。 ベンチマークデータセットの実験では、SEP-GCNは予測精度とロバスト性の両方において、強いベースラインを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recommender systems play a crucial role in enabling personalized content delivery amidst the challenges of information overload and human mobility. Although conventional methods often rely on interaction matrices or graph-based retrieval, recent approaches have sought to exploit contextual signals such as time and location. However, most existing models focus on node-level representation or isolated edge attributes, underutilizing the relational structure between interactions. We propose SEP-GCN, a novel graph-based recommendation framework that learns from pairs of contextually similar interaction edges, each representing a user-item check-in event. By identifying edge pairs that occur within similar temporal windows or geographic proximity, SEP-GCN augments the user-item graph with contextual similarity links. These links bridge distant but semantically related interactions, enabling improved long-range information propagation. The enriched graph is processed via an edge-aware convolutional mechanism that integrates contextual similarity into the message-passing process. This allows SEP-GCN to model user preferences more accurately and robustly, especially in sparse or dynamic environments. Experiments on benchmark data sets show that SEP-GCN consistently outperforms strong baselines in both predictive accuracy and robustness.
• Abstract（参考訳）: 情報過負荷と人間の移動性の課題の中で、レコメンダシステムは、パーソナライズされたコンテンツ配信を可能にする上で重要な役割を担っている。 従来の手法は相互作用行列やグラフベースの検索に頼っていることが多いが、近年では時間や位置といった文脈的信号の活用が試みられている。 しかし、既存のモデルのほとんどはノードレベルの表現や孤立したエッジ属性に重点を置いており、相互作用間の関係構造を過小評価している。 SEP-GCNは、コンテキスト的に類似したインタラクションエッジのペアから学習する、新しいグラフベースのレコメンデーションフレームワークである。 SEP-GCNは、類似の時間的ウィンドウや地理的近接で発生するエッジペアを識別することにより、コンテキスト的類似性リンクでユーザアイコングラフを拡張する。 これらのリンクは、遠いが意味的に関連する相互作用を橋渡しし、長距離情報伝達の改善を可能にする。 リッチグラフは、コンテキスト的類似性をメッセージパッシングプロセスに統合するエッジ対応の畳み込み機構によって処理される。 これによってSEP-GCNは、特にスパース環境や動的環境において、ユーザの好みをより正確に、堅牢にモデル化することができる。 ベンチマークデータセットの実験では、SEP-GCNは予測精度とロバスト性の両方において、強いベースラインを一貫して上回っている。

関連論文リスト

• Context-Adaptive Graph Neural Networks for Next POI Recommendation [29.05713313255777]
  Next Point-of-Interest(POI)レコメンデーションは、チェックイン履歴に基づいて、ユーザの次の訪問を予測することを目的として、位置情報ベースのサービスにおいて重要なタスクである。 本稿では,コンテキスト適応型グラフニューラルネットワーク(CAGNN)を次のPOIレコメンデーションに適用し,エッジ固有のコンテキスト要因を用いて注意重みを動的に調整する手法を提案する。 3つの実世界のデータセットに対する実験結果から、CAGNNは一貫して最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-12T03:33:58Z)
• Exact Matching in Correlated Networks with Node Attributes for Improved Community Recovery [10.696635172502141]
  ノードとエッジが相互に相関する複数のネットワークにおけるコミュニティ検出について検討する。 本稿では,グラフ間の構造的および属性的相関を組み込んだCSBMについて紹介する。 この結果から,グラフマッチングとコミュニティリカバリの相互作用によって,パフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2025-01-06T08:57:44Z)
• Multi-Channel Hypergraph Contrastive Learning for Matrix Completion [37.05130230844348]
  グラフニューラルネットワーク(GNN)は、行列補完において広く使われており、アイテムよりもユーザの好みを捉えている。 行列補完のためのマルチチャネルハイパーグラフコントラスト学習フレームワーク MHCL を提案する。 5つの公開データセットの実験により、提案手法が現在の最先端手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-11-02T22:59:36Z)
• EDGE-Rec: Efficient and Data-Guided Edge Diffusion For Recommender Systems Graphs [0.0]
  本稿では,ユーザとアイテムの機能だけでなく,リアルタイムなインタラクションの重み付けを生かした新しいアテンション機構を提案する。 我々は,ユーザ・イテム相互作用グラフの重み付き相互作用行列を反復的に復調するために,新しいグラフ拡散変換器GDiTアーキテクチャを訓練する。 テキスト条件付き画像生成の最近の進歩に触発されて,本手法は,従来の評価と同一スケールのユーザ・イテム評価を直接生成する。
  論文  参考訳（メタデータ） (2024-09-23T03:23:20Z)
• Self-Supervised Relation Alignment for Scene Graph Generation [44.3983804479146]
  シーングラフ生成性能を改善するために,自己教師付きリレーショナルアライメントの正規化を導入する。 提案されたアライメントは一般的なもので、既存のシーングラフ生成フレームワークと組み合わせることができる。 本稿では,この自己教師付きリレーショナルアライメントと2つのシーングラフ生成アーキテクチャの有効性について述べる。
  論文  参考訳（メタデータ） (2023-02-02T20:34:13Z)
• 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)
• 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)
• Modelling Neighbor Relation in Joint Space-Time Graph for Video Correspondence Learning [53.74240452117145]
  本稿では、ラベルなしビデオから信頼できる視覚対応を学習するための自己教師付き手法を提案する。 接続時空間グラフでは,ノードがフレームからサンプリングされたグリッドパッチであり,2種類のエッジによってリンクされる。 学習した表現は、様々な視覚的タスクにおいて最先端の自己監督手法よりも優れています。
  論文  参考訳（メタデータ） (2021-09-28T05:40:01Z)
• Graph Convolutional Embeddings for Recommender Systems [67.5973695167534]
  本研究では,N-Partiteグラフのユーザ-item-contextインタラクションを処理するグラフ畳み込み層を提案する。 より具体的には、ユーザ-item-contextインタラクションを処理するN-partiteグラフのグラフ畳み込み層を定義する。
  論文  参考訳（メタデータ） (2021-03-05T10:46:16Z)
• Jointly Cross- and Self-Modal Graph Attention Network for Query-Based Moment Localization [77.21951145754065]
  本稿では,共同グラフを渡る反復的メッセージのプロセスとして,このタスクをリキャストするクロスモーダルグラフ注意ネットワーク(CSMGAN)を提案する。 CSMGANは2つのモード間の高次相互作用を効果的に捉えることができ、より正確な局所化を可能にします。
  論文  参考訳（メタデータ） (2020-08-04T08:25:24Z)

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。