論文の概要: Align-for-Fusion: Harmonizing Triple Preferences via Dual-oriented Diffusion for Cross-domain Sequential Recommendation

• arxiv url: http://arxiv.org/abs/2508.05074v1
• Date: Thu, 07 Aug 2025 07:00:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.73248
• Title: Align-for-Fusion: Harmonizing Triple Preferences via Dual-oriented Diffusion for Cross-domain Sequential Recommendation
• Title（参考訳）: Align-for-Fusion:クロスドメインシークエンシャルレコメンデーションのためのデュアル指向拡散による三重格の調和
• Authors: Yongfu Zha, Xinxin Dong, Haokai Ma, Yonghui Yang, Xiaodong Wang,
• Abstract要約: クロスドメインシーケンシャルレコメンデーション(CDSR)メソッドは、しばしばアライメント・then-fusionパラダイムに従う。 本稿では,CDSR のためのアライメント・フォー・フュージョン・フレームワークを提案し,二方向DM であるHorizonRec を用いて三重選好を調和させる。 2つの異なるプラットフォームからの4つのCDSRデータセットの実験は、HorizonRecの有効性と堅牢性を示している。
• 参考スコア（独自算出の注目度）: 5.661192070842017
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalized sequential recommendation aims to predict appropriate items for users based on their behavioral sequences. To alleviate data sparsity and interest drift issues, conventional approaches typically incorporate auxiliary behaviors from other domains via cross-domain transition. However, existing cross-domain sequential recommendation (CDSR) methods often follow an align-then-fusion paradigm that performs representation-level alignment across multiple domains and combines them mechanically for recommendation, overlooking the fine-grained fusion of domain-specific preferences. Inspired by recent advances in diffusion models (DMs) for distribution matching, we propose an align-for-fusion framework for CDSR to harmonize triple preferences via dual-oriented DMs, termed HorizonRec. Specifically, we investigate the uncertainty injection of DMs and identify stochastic noise as a key source of instability in existing DM-based recommenders. To address this, we introduce a mixed-conditioned distribution retrieval strategy that leverages distributions retrieved from users' authentic behavioral logic as semantic bridges across domains, enabling consistent multi-domain preference modeling. Furthermore, we propose a dual-oriented preference diffusion method to suppress potential noise and emphasize target-relevant interests during multi-domain user representation fusion. Extensive experiments on four CDSR datasets from two distinct platforms demonstrate the effectiveness and robustness of HorizonRec in fine-grained triple-domain preference fusion.
• Abstract（参考訳）: パーソナライズされたシーケンシャルレコメンデーションは、行動シーケンスに基づいて、ユーザの適切なアイテムを予測することを目的としている。 データの分散性や関心の漂流を緩和するため、従来のアプローチでは、ドメイン間の遷移を通じて、他のドメインからの補助的な振る舞いを取り入れている。 しかし、既存のクロスドメインシーケンシャルレコメンデーション(CDSR)手法は、複数のドメインにまたがる表現レベルアライメントを実行し、それらを機械的に組み合わせてレコメンデーションを行い、ドメイン固有の好みのきめ細かい融合を見越す。 分布マッチングのための拡散モデル(DM)の最近の進歩に着想を得て,両方向DM(HorizonRec)を用いて三重選好を調和させるCDSRのアライメント・フォー・フュージョン・フレームワークを提案する。 具体的には、DMの不確実性注入について検討し、既存のDMベースレコメンデータの不安定性の鍵となる確率ノイズを同定する。 そこで本研究では,ユーザの行動論理から抽出した分布をドメイン間のセマンティックブリッジとして利用し,一貫したマルチドメイン嗜好モデリングを可能にする混合条件分布検索手法を提案する。 さらに,マルチドメインユーザ表現融合において,潜在的な雑音を抑え,ターゲット関連利害を強調するために,二方向優先拡散法を提案する。 2つの異なるプラットフォームから得られた4つのCDSRデータセットの大規模な実験は、細粒度三重ドメイン優先融合におけるHorizonRecの有効性と堅牢性を示している。

関連論文リスト

• Causal-Invariant Cross-Domain Out-of-Distribution Recommendation [15.522907452605788]
  Cross-Domain Recommendation (CDR)は、データ空間の問題に対処するために、比較的データリッチなソースドメインからの知識を活用することを目的としている。 CDR法は異なる領域間の分布シフトに対処する必要があるが、通常は独立分布と同一分布を仮定する。 そこで我々はCICDORと呼ばれる新しいCausal-Invariant Cross-Domain Out-of-distribution Recommendationフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-22T11:21:51Z)
• DADM: Dual Alignment of Domain and Modality for Face Anti-spoofing [58.62312400472865]
  マルチモーダル・フェイス・アンチ・スプーフィング (FAS) が顕著な研究対象となっている。 相互情報に基づくモダリティ間のアライメントモジュールを提案する。 サブドメイン超平面とモダリティ角マージンの両方を整列する双対アライメント最適化法を用いる。
  論文  参考訳（メタデータ） (2025-03-01T10:12:00Z)
• LLM-RecG: A Semantic Bias-Aware Framework for Zero-Shot Sequential Recommendation [5.512301280728178]
  ゼロショットクロスドメインシーケンシャルレコメンデーション(ZCDSR)は、追加のトレーニングや微調整なしで、目に見えないドメインでの予測を可能にする。 大規模言語モデル(LLM)の最近の進歩は、ドメイン間の知識伝達を容易にすることで、ZCDSRを大幅に強化している。 本稿では,アイテムレベルとシーケンシャルレベルの両方において,ドメイン間のアライメントを改善するセマンティックバイアス対応フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-31T15:43:21Z)
• Cross-domain Transfer of Valence Preferences via a Meta-optimization Approach [17.545983294377958]
  CVPMはメタラーニングと自己教師型学習のハイブリッドアーキテクチャとして、ドメイン間の関心伝達を形式化する。 ユーザの好みに対する深い洞察を得て、差別化されたエンコーダを使って分布を学習する。 特に、各ユーザのマッピングを共通の変換とパーソナライズされたバイアスの2つの部分として扱い、そこでは、パーソナライズされたバイアスを生成するネットワークがメタラーナーによって出力される。
  論文  参考訳（メタデータ） (2024-06-24T10:02:24Z)
• FedHCDR: Federated Cross-Domain Recommendation with Hypergraph Signal Decoupling [15.159012729198619]
  我々は,ハイパーグラフ信号デカップリングを用いた新しいクロスドメイン勧告フレームワークであるFedHCDRを提案する。 本研究では,ハイパーグラフ信号デカップリング(HSD)と呼ばれる手法を導入し,ユーザ特徴をドメイン排他的・ドメイン共有的特徴に分離する。 3つの実世界のシナリオで実施された大規模な実験は、FedHCDRが既存のベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2024-03-05T03:40:39Z)
• Cross-domain recommendation via user interest alignment [20.387327479445773]
  クロスドメインレコメンデーションは、複数のドメインからの知識を活用して、従来のレコメンデーションシステムにおけるデータの分散性とコールドスタートの問題を軽減することを目的としている。 このアプローチの一般的な実践は、各ドメインに個別にユーザ埋め込みをトレーニングし、それらを平易な方法で集約することです。 本稿では,2つのドメインの推薦性能を改善するために,新しいドメイン間推薦フレームワークであるCOASTを提案する。
  論文  参考訳（メタデータ） (2023-01-26T23:54:41Z)
• A cross-domain recommender system using deep coupled autoencoders [77.86290991564829]
  クロスドメインレコメンデーションのために2つの新しい結合型オートエンコーダに基づくディープラーニング手法を提案する。 最初の方法は、ソースドメインとターゲットドメイン内のアイテムの固有表現を明らかにするために、一対のオートエンコーダを同時に学習することを目的としている。 第2の方法は,2つのオートエンコーダを用いてユーザとアイテム待ち行列を深く非線形に生成する,新たな共同正規化最適化問題に基づいて導出する。
  論文  参考訳（メタデータ） (2021-12-08T15:14:26Z)
• Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate Prediction [76.98616102965023]
  クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。 本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
  論文  参考訳（メタデータ） (2021-06-05T01:21:21Z)
• Dual Metric Learning for Effective and Efficient Cross-Domain Recommendations [85.6250759280292]
  クロスドメインレコメンダーシステムは、消費者が異なるアプリケーションで有用なアイテムを識別するのを助けるためにますます価値があります。 既存のクロスドメインモデルは、通常、多くのオーバーラップユーザーを必要とするため、いくつかのアプリケーションでは取得が困難である。 本稿では,2つのドメイン間で情報を反復的に伝達する二元学習に基づく新しいクロスドメインレコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2021-04-17T09:18:59Z)
• Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
  教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。 従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。 本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-12T09:45:39Z)
• Contradictory Structure Learning for Semi-supervised Domain Adaptation [67.89665267469053]
  現在の逆順応法は、クロスドメインの特徴を整列させようとする。 1)条件分布ミスマッチ、2)決定境界のソース領域へのバイアス。 本稿では,対向構造の学習を統一することで,半教師付きドメイン適応のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-06T22:58:20Z)

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。