論文の概要: Analyzing and Mitigating Repetitions in Trip Recommendation

• arxiv url: http://arxiv.org/abs/2507.19798v1
• Date: Sat, 26 Jul 2025 05:05:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:56.25603
• Title: Analyzing and Mitigating Repetitions in Trip Recommendation
• Title（参考訳）: トリップレコメンデーションにおける繰り返しの分析と緩和
• Authors: Wenzheng Shu, Kangqi Xu, Wenxin Tai, Ting Zhong, Yong Wang, Fan Zhou,
• Abstract要約: トリップ・レコメンデーションは過去10年間、非常に要望の多かったサービスとして現れてきた。 統計的解析と実験設計を用いて2つの重要な発見を行う。 本稿では、3つのメカニズムからなるサイクル認識予測器を組み込んだAR-Trip(Anti Repetition for Trip Recommendation)を紹介する。
• 参考スコア（独自算出の注目度）: 33.96286427537916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Trip recommendation has emerged as a highly sought-after service over the past decade. Although current studies significantly understand human intention consistency, they struggle with undesired repetitive outcomes that need resolution. We make two pivotal discoveries using statistical analyses and experimental designs: (1) The occurrence of repetitions is intricately linked to the models and decoding strategies. (2) During training and decoding, adding perturbations to logits can reduce repetition. Motivated by these observations, we introduce AR-Trip (Anti Repetition for Trip Recommendation), which incorporates a cycle-aware predictor comprising three mechanisms to avoid duplicate Points-of-Interest (POIs) and demonstrates their effectiveness in alleviating repetition. Experiments on four public datasets illustrate that AR-Trip successfully mitigates repetition issues while enhancing precision.
• Abstract（参考訳）: トリップ・レコメンデーションは過去10年間、非常に要望の多かったサービスとして現れてきた。 現在の研究は人間の意図の一貫性を著しく理解しているが、解決を必要とする望ましくない反復的な結果に苦慮している。 統計的解析と実験設計を用いて2つの重要な発見を行う。(1)繰り返しの発生はモデルと復号化戦略と密接に関連している。 2) トレーニングや復号の際には,ロジットに摂動を加えることで繰り返しが減少する可能性がある。 これらの観測によって動機づけられたAR-Trip(Anti Repetition for Trip Recommendation)は、3つのメカニズムからなるサイクル認識予測器を組み込み、繰り返しの緩和効果を示す。 4つの公開データセットの実験では、AR-Tripが精度を高めながら繰り返しの問題を軽減することに成功した。

関連論文リスト

• Long-Sequence Recommendation Models Need Decoupled Embeddings [49.410906935283585]
  我々は、既存の長期推薦モデルにおいて無視された欠陥を識別し、特徴付ける。 埋め込みの単一のセットは、注意と表現の両方を学ぶのに苦労し、これら2つのプロセス間の干渉につながります。 本稿では,2つの異なる埋め込みテーブルを別々に学習し,注意と表現を完全に分離する,DARE(Decoupled Attention and Representation Embeddings)モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-03T15:45:15Z)
• Pseudo-triplet Guided Few-shot Composed Image Retrieval [20.040511832864503]
  Composed Image Retrieval (CIR)は、マルチモーダルクエリでターゲット画像を取得することを目的とした課題である。 PTG-FSCIRと呼ばれる2段階の擬似三重項誘導方式を提案する。 最初の段階では、純画像データから擬似三重項を生成するために、注意型マスキングとキャプションに基づく擬似三重項生成法を提案する。 第2段階では,3重項に基づく挑戦的CIR微調整法を提案し,擬似修正テキストに基づくサンプルの挑戦的スコア推定戦略を設計する。
  論文  参考訳（メタデータ） (2024-07-08T14:53:07Z)
• Collapse-Aware Triplet Decoupling for Adversarially Robust Image Retrieval [12.007316506425079]
  対人訓練は、対人的な例に対して画像検索を擁護する上で大きな成果を上げている。 ディープ・メトリック・ラーニング(DML)の既存の研究は、依然として弱敵とモデル崩壊という2つの大きな限界に悩まされている。 より強力な敵を得るために,Crolapse-Aware TRIplet Decoupling (CA-TRIDE)を提案する。
  論文  参考訳（メタデータ） (2023-12-12T15:33:08Z)
• Improving Unsupervised Relation Extraction by Augmenting Diverse Sentence Pairs [15.87963432758696]
  非文関係抽出(URE)は、原文から名前付きエンティティ間の関係を抽出することを目的としている。 我々は,文内ペアの増補と,文間ペアの抽出による拡張を併用したAugUREを提案する。 NYT-FBとTACREDデータセットの実験は、提案した関係表現学習と単純なK-Meansクラスタリングが最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-12-01T12:59:32Z)
• Repetition In Repetition Out: Towards Understanding Neural Text Degeneration from the Data Perspective [91.14291142262262]
  この研究は、データの観点から、単純で基本的な説明を提示する。 予備調査では, 退化問題とトレーニングデータにおける反復の有無との間には強い相関関係がみられた。 実験の結果,訓練データにおける繰り返しのペナルティ化は,より大きなモデルサイズや命令のチューニングを考慮しても重要な課題であることがわかった。
  論文  参考訳（メタデータ） (2023-10-16T09:35:42Z)
• Serial Contrastive Knowledge Distillation for Continual Few-shot Relation Extraction [35.79570854392989]
  本稿では,連続的な数発のREタスクを実現するために,SCKDという新しいモデルを提案する。 具体的には,従来のモデルからの知識を保存するために,シリアル知識蒸留を設計する。 SCKDの有効性を2つのベンチマーク・データセットで検証した。
  論文  参考訳（メタデータ） (2023-05-11T07:25:47Z)
• How to Train Your DRAGON: Diverse Augmentation Towards Generalizable Dense Retrieval [80.54532535622988]
  教師付き検索とゼロショット検索の両方において高い精度を達成するために、一般化可能な高密度検索を訓練できることが示される。 多様な拡張で訓練された高密度レトリバーであるDRAGONは、教師付きおよびゼロショット評価の両方において最先端の有効性を実現する最初のBERTベースサイズのDRである。
  論文  参考訳（メタデータ） (2023-02-15T03:53:26Z)
• Forget-me-not! Contrastive Critics for Mitigating Posterior Collapse [20.258298183228824]
  我々は,潜伏変数と観測値の対応を必要とする事で,後部崩壊を検知し,インセンティブを与える推論評論家を紹介した。 このアプローチは実装が簡単で、事前のメソッドよりもトレーニング時間が大幅に少なくなります。
  論文  参考訳（メタデータ） (2022-07-19T20:07:17Z)
• Towards Robust and Adaptive Motion Forecasting: A Causal Representation Perspective [72.55093886515824]
  本稿では,3つの潜伏変数群からなる動的過程として,運動予測の因果的形式化を導入する。 我々は、因果グラフを近似するために、不変なメカニズムやスタイルの共創者の表現を分解するモジュラーアーキテクチャを考案する。 合成および実データを用いた実験結果から,提案した3つの成分は,学習した動き表現の頑健性と再利用性を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2021-11-29T18:59:09Z)
• 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。