論文の概要: Community-Aware Social Community Recommendation

• arxiv url: http://arxiv.org/abs/2508.05107v1
• Date: Thu, 07 Aug 2025 07:42:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-08 18:59:39.746386
• Title: Community-Aware Social Community Recommendation
• Title（参考訳）: 地域社会に配慮したコミュニティレコメンデーション
• Authors: Runhao Jiang, Renchi Yang, Wenqing Lin,
• Abstract要約: ソーシャルレコメンデーションは、ユーザ間のソーシャルな結びつきを活用して、ユーザとイテムの相互作用のスパース性の問題を軽減する。 既存のソーシャルレコメンデーションモデルは、主にブログ、画像、製品などのレコメンデーションアイテムを推奨するために考案されている。 本稿では,コミュニティレコメンデーションに特化して設計された新しい効果的なモデルであるCASOについて述べる。
• 参考スコア（独自算出の注目度）: 9.816469035525701
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Social recommendation, which seeks to leverage social ties among users to alleviate the sparsity issue of user-item interactions, has emerged as a popular technique for elevating personalized services in recommender systems. Despite being effective, existing social recommendation models are mainly devised for recommending regular items such as blogs, images, and products, and largely fail for community recommendations due to overlooking the unique characteristics of communities. Distinctly, communities are constituted by individuals, who present high dynamicity and relate to rich structural patterns in social networks. To our knowledge, limited research has been devoted to comprehensively exploiting this information for recommending communities. To bridge this gap, this paper presents CASO, a novel and effective model specially designed for social community recommendation. Under the hood, CASO harnesses three carefully-crafted encoders for user embedding, wherein two of them extract community-related global and local structures from the social network via social modularity maximization and social closeness aggregation, while the third one captures user preferences using collaborative filtering with observed user-community affiliations. To further eliminate feature redundancy therein, we introduce a mutual exclusion between social and collaborative signals. Finally, CASO includes a community detection loss in the model optimization, thereby producing community-aware embeddings for communities. Our extensive experiments evaluating CASO against nine strong baselines on six real-world social networks demonstrate its consistent and remarkable superiority over the state of the art in terms of community recommendation performance.
• Abstract（参考訳）: ソーシャルレコメンデーション(ソーシャルレコメンデーション)は、リコメンデーションシステムにおけるパーソナライズされたサービスを高める技術として人気がある。 効果はあるものの、既存のソーシャルレコメンデーションモデルは、主にブログ、画像、製品などのレギュラーアイテムを推薦するために考案されており、コミュニティのユニークな特徴を見落としているため、コミュニティレコメンデーションにはほとんど失敗している。 コミュニティは個人によって構成され、高いダイナミック性を示し、ソーシャルネットワークの豊富な構造パターンと関連している。 我々の知る限り、この情報を総合的に活用してコミュニティを推薦する研究は限られている。 このギャップを埋めるために,本稿では,コミュニティレコメンデーションのために特別に設計された,新しく効果的なモデルであるCASOを提案する。 内部では、CASOは3つの慎重に構築されたエンコーダをユーザ埋め込みに利用し、そのうち2つは、ソーシャルモジュール性最大化とソーシャル親密性集約を通じて、コミュニティ関連のグローバルな構造とローカルな構造をソーシャルネットワークから抽出し、もう1つは、観察されたユーザコミュニティアフィリエイトと協調フィルタリングを用いて、ユーザの好みをキャプチャする。 特徴冗長性をさらに排除するために,社会的信号と協調信号の相互排除を導入する。 最後に、CASOはモデル最適化におけるコミュニティ検出損失を含んでおり、コミュニティに対するコミュニティ対応の埋め込みを生成する。 コミュニティレコメンデーションパフォーマンスの観点から,6つの実世界のソーシャルネットワーク上での9つの強力なベースラインに対するCASOの評価実験を行い,その一貫性と顕著な優位性を示した。

関連論文リスト

• Score-based Generative Diffusion Models for Social Recommendations [24.373323217763634]
  社会的レコメンデーションの有効性は、社会的ホモフィリの仮定に大きく依存している。 本稿では、革新的生成の観点から、社会的ホモフィリーの低い課題に取り組む。
  論文  参考訳（メタデータ） (2024-12-20T05:23:45Z)
• Graph Bottlenecked Social Recommendation [47.83350026188183]
  本稿では,社会騒音問題に対処するための新しいグラフ・ボトルネック・ソーシャル・レコメンデーション(GBSR)フレームワークを提案する。 GBSRはモデルに依存しないソーシャル・デノベーション・フレームワークであり、認知されたソーシャル・グラフとレコメンデーション・ラベルの相互情報の最大化を目的としている。
  論文  参考訳（メタデータ） (2024-06-12T13:44:22Z)
• Balancing User Preferences by Social Networks: A Condition-Guided Social Recommendation Model for Mitigating Popularity Bias [64.73474454254105]
  ソーシャルレコメンデーションモデルは、ユーザに対してユニークなパーソナライズされたレコメンデーション結果を提供するために、ソーシャルインタラクションをデザインに織り込む。 既存のソーシャルレコメンデーションモデルは、人気バイアスや社会的情報の冗長性の問題に対処できない。 本稿では,モデルの人気バイアスを軽減するための条件付きソーシャルレコメンデーションモデル(CGSoRec)を提案する。
  論文  参考訳（メタデータ） (2024-05-27T02:45:01Z)
• Multi-agent Attacks for Black-box Social Recommendations [27.08879125224201]
  グラフニューラルネットワーク(GNN)は,ユーザ-イテムインタラクションとユーザ-ユーザ関係を同時にモデル化するために広く研究されている。 これらの高度なレコメンデーターシステムは、攻撃者がよく設計された偽のユーザープロファイルを注入できる敵攻撃に対して非常に脆弱である。 本稿では,マルチエージェント強化学習に基づく新しいフレームワークであるMultiAttackを提案する。
  論文  参考訳（メタデータ） (2023-11-13T07:40:23Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• Disentangled Contrastive Learning for Social Recommendation [28.606016662435117]
  社会的レコメンデーションは、社会的関係を利用して、レコメンデーションのための表現学習を強化する。 本稿では,ソーシャルレコメンデーションDcRecのための新しいコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-18T09:15:18Z)
• Federated Social Recommendation with Graph Neural Network [69.36135187771929]
  本稿では,ソーシャル情報とユーザ・イテムの相互作用を融合させることにより,ソーシャル・レコメンデーションの問題であるソーシャル・リコメンデーションの緩和を提案する。 我々は textbfGraph Neural Network (FeSoG) を用いた textbfFedrated textbfSocial 推薦フレームワークを考案した。
  論文  参考訳（メタデータ） (2021-11-21T09:41:39Z)
• Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
  社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。 高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:30Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。