論文の概要: Compositions of Variant Experts for Integrating Short-Term and Long-Term Preferences

• arxiv url: http://arxiv.org/abs/2506.23170v1
• Date: Sun, 29 Jun 2025 10:09:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.755258
• Title: Compositions of Variant Experts for Integrating Short-Term and Long-Term Preferences
• Title（参考訳）: 短期的・長期的選好の統合のためのバリアントエキスパートの構成
• Authors: Jaime Hieu Do, Trung-Hoang Le, Hady W. Lauw,
• Abstract要約: 本稿では,推奨性能を高めるために,短期と長期の選好を組み合わせたフレームワークを提案する。 この新しいフレームワークは、異なる専門的なレコメンデーションモデルを使用することで、短期および長期の好みを動的に統合する。
• 参考スコア（独自算出の注目度）: 22.769456275892477
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the online digital realm, recommendation systems are ubiquitous and play a crucial role in enhancing user experience. These systems leverage user preferences to provide personalized recommendations, thereby helping users navigate through the paradox of choice. This work focuses on personalized sequential recommendation, where the system considers not only a user's immediate, evolving session context, but also their cumulative historical behavior to provide highly relevant and timely recommendations. Through an empirical study conducted on diverse real-world datasets, we have observed and quantified the existence and impact of both short-term (immediate and transient) and long-term (enduring and stable) preferences on users' historical interactions. Building on these insights, we propose a framework that combines short- and long-term preferences to enhance recommendation performance, namely Compositions of Variant Experts (CoVE). This novel framework dynamically integrates short- and long-term preferences through the use of different specialized recommendation models (i.e., experts). Extensive experiments showcase the effectiveness of the proposed methods and ablation studies further investigate the impact of variant expert types.
• Abstract（参考訳）: オンラインデジタルの世界では、レコメンデーションシステムはユビキタスであり、ユーザーエクスペリエンスを高める上で重要な役割を果たす。 これらのシステムはユーザの好みを利用して、パーソナライズされたレコメンデーションを提供する。 この研究はパーソナライズされたシーケンシャルなレコメンデーションに焦点を当て、システムはユーザの即時かつ進化するセッションコンテキストだけでなく、その累積的な履歴行動も考慮し、非常に関連性の高いタイムリーなレコメンデーションを提供する。 実世界の多様なデータセットに関する実証的研究を通じて、ユーザの歴史的相互作用に対する短期的(即時かつ過渡的)と長期的(持続的および安定的)の両方の嗜好の存在と影響を観察、定量化した。 これらの知見に基づいて,推奨性能を高めるため,短期および長期の選好を組み合わせたフレームワーク,すなわち,言語専門家のコンポジション(CoVE)を提案する。 この新しいフレームワークは、異なる専門的なレコメンデーションモデル(すなわち専門家)を使用することによって、短期と長期の好みを動的に統合する。 広範囲な実験により提案手法の有効性が示され, 異種専門家の影響についてさらなる研究がなされている。

関連論文リスト

• Uncertain Multi-Objective Recommendation via Orthogonal Meta-Learning Enhanced Bayesian Optimization [30.031396809114625]
  本稿では,ルールベースの精度駆動システムから行動認識,不確実な多目的RSに至るまで,RSの自律性を5つの異なるレベルに分類する新しい枠組みを提案する。 個人の好みに基づいて複数の目的を動的に識別し、最適化し、より倫理的でインテリジェントなユーザー中心のレコメンデーションを促進するアプローチを提案する。
  論文  参考訳（メタデータ） (2025-02-18T08:10:09Z)
• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• Reason4Rec: Large Language Models for Recommendation with Deliberative User Preference Alignment [69.11529841118671]
  本稿では,ユーザの嗜好に関する明確な推論を新たなアライメント目標として組み込んだ,新たなDeliberative Recommendationタスクを提案する。 次にReasoningを利用したRecommenderフレームワークを導入する。
  論文  参考訳（メタデータ） (2025-02-04T07:17:54Z)
• Beyond Item Dissimilarities: Diversifying by Intent in Recommender Systems [20.04619904064599]
  我々は,提案システムの最終段階を対象とした確率論的意図に基づく全ページ多様化フレームワークを開発する。 われわれは、世界最大のビデオレコメンデーションプラットフォームであるYouTubeの意図多様化フレームワークを実験した。
  論文  参考訳（メタデータ） (2024-05-20T18:52:33Z)
• Dynamic Embeddings for Interaction Prediction [2.5758502140236024]
  推薦システム(RS)では、ユーザが対話する次の項目を予測することが、ユーザの保持に不可欠である。 近年,ユーザとアイテム間の相互相互作用を個別のユーザとアイテムの埋め込みを用いてモデル化する手法の有効性が示されている。 本稿では,DeePRedと呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-11-10T16:04:46Z)
• Long-tail Session-based Recommendation [7.832914615902803]
  本稿では,長期推薦性能を向上させるため,新しいネットワークアーキテクチャであるTailNetを提案する。 そこで,TailNetでは,2種類の項目間のユーザの好みを判断し,リコメンデーションをソフトに調整しパーソナライズする手法を提案する。
  論文  参考訳（メタデータ） (2020-07-24T03:36:35Z)

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。