論文の概要: Dual prototype attentive graph network for cross-market recommendation
- arxiv url: http://arxiv.org/abs/2508.05969v1
- Date: Fri, 08 Aug 2025 03:07:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-11 20:39:06.055587
- Title: Dual prototype attentive graph network for cross-market recommendation
- Title（参考訳）: クロスマーケットレコメンデーションのためのデュアルプロトタイプ注意グラフネットワーク
- Authors: Li Fan, Menglin Kong, Yang Xiang, Chong Zhang, Chengtao Ji,
- Abstract要約: クロスマーケットレコメンデータシステム(CMRS)は、先進国市場における多国籍製品の普及に歴史的データを活用することを目的としている。
既存のCMRSアプローチは、異なる市場のユーザー間で共有された嗜好の可能性を見落としていることが多い。
本稿では、この問題を解決するために、クロスマーケットレコメンデーション(DGRE)のためのDual Prototype Attentive Graph Networkを提案する。
- 参考スコア（独自算出の注目度）: 11.836993581103107
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-market recommender systems (CMRS) aim to utilize historical data from mature markets to promote multinational products in emerging markets. However, existing CMRS approaches often overlook the potential for shared preferences among users in different markets, focusing primarily on modeling specific preferences within each market. In this paper, we argue that incorporating both market-specific and market-shared insights can enhance the generalizability and robustness of CMRS. We propose a novel approach called Dual Prototype Attentive Graph Network for Cross-Market Recommendation (DGRE) to address this. DGRE leverages prototypes based on graph representation learning from both items and users to capture market-specific and market-shared insights. Specifically, DGRE incorporates market-shared prototypes by clustering users from various markets to identify behavioural similarities and create market-shared user profiles. Additionally, it constructs item-side prototypes by aggregating item features within each market, providing valuable market-specific insights. We conduct extensive experiments to validate the effectiveness of DGRE on a real-world cross-market dataset, and the results show that considering both market-specific and market-sharing aspects in modelling can improve the generalization and robustness of CMRS.
- Abstract（参考訳）: クロスマーケットレコメンデータシステム(CMRS)は、成熟市場からの歴史的データを活用して、新興市場における多国籍製品の普及を目指している。
しかし、既存のCMRSアプローチは、主に各市場における特定の嗜好をモデル化することに焦点を当て、異なる市場のユーザー間での共有嗜好の可能性を見落としていることが多い。
本稿では,市場固有の洞察と市場が共有する洞察の両方を取り入れることで,CMRSの一般化性と堅牢性を高めることができると論じる。
本稿では,DGRE (Dual Prototype Attentive Graph Network for Cross-Market Recommendation) と呼ばれる新しい手法を提案する。
DGREは、アイテムとユーザの両方からのグラフ表現学習に基づくプロトタイプを活用して、市場固有の、市場が共有する洞察を捉えます。
具体的には、DGREは、さまざまな市場からユーザをクラスタリングして、行動の類似性を識別し、マーケットシェアされたユーザプロファイルを作成することで、マーケットシェアされたプロトタイプを組み込んでいる。
さらに、各市場におけるアイテム機能を統合することで、アイテムサイドのプロトタイプを構築し、価値ある市場特有の洞察を提供する。
実世界のクロスマーケットデータセットにおけるDGREの有効性を検証するための広範な実験を行い、市場固有の側面と市場シェアリングの両面を考慮することで、CMRSの一般化と堅牢性を向上させることができることを示した。
関連論文リスト
- Enhancing Cross-Market Recommendation System with Graph Isomorphism Networks: A Novel Approach to Personalized User Experience [0.24999074238880487]
グラフアイソモーフィックネットワーク(GIN)を用いて市場横断の推薦システムを改善するCrossGRモデルを提案する。
CrossGRモデルは適応可能で正確であり、市場横断のレコメンデーションタスクの複雑さを扱うのに適している。
以上の結果から,GINはより洗練され,パーソナライズされ,コンテキスト対応のレコメンデーションシステムを実現する上で,CMRにとって有望な方向性を示すことが示唆された。
論文 参考訳（メタデータ） (2024-09-12T08:53:11Z) - A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。
本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
論文 参考訳（メタデータ） (2024-05-03T20:45:00Z) - Market-Aware Models for Efficient Cross-Market Recommendation [14.663751660438729]
クロスマーケットレコメンデーション(CMR)は、よりリッチで補助的なソースマーケットのデータを使用して、低リソースのターゲットマーケットでレコメンデーションを行う。
CMRにおける以前の作業は、メタラーニングを利用して、ターゲット市場でのレコメンデーションパフォーマンスを改善した。
メタ学習の代わりに市場埋め込みを通じて市場を直接モデル化するマーケットアウェア(MA)モデルを提案する。
論文 参考訳（メタデータ） (2023-02-14T15:44:22Z) - Parity in Markets -- Methods, Costs, and Consequences [109.5267969644294]
我々は、市場デザイナーがフィッシャー市場の税や補助金を使って、市場均衡の結果が一定の制約内に収まることを確実にする方法を示します。
我々は、既存の文献で提案されている様々な公正性制約を市場ケースに適用し、その制約から誰が利益を得るか、誰を失うかを示す。
論文 参考訳（メタデータ） (2022-10-05T22:27:44Z) - Federated Domain Generalization for Image Recognition via Cross-Client
Style Transfer [60.70102634957392]
ドメイン一般化(Domain Generalization, DG)は、画像認識においてホットなトピックであり、目に見えないドメインでうまく機能する一般的なモデルを訓練することを目的としている。
本稿では,データサンプルを交換することなく,クロスクライアント型転送(CCST)による画像認識のための新しい領域一般化手法を提案する。
本手法は2つのDGベンチマーク(PACS, OfficeHome)とFL設定における大規模医用画像データセット(Camelyon17)において,最近のSOTA DG法より優れている。
論文 参考訳（メタデータ） (2022-10-03T13:15:55Z) - Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。
模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
論文 参考訳（メタデータ） (2021-12-08T14:55:21Z) - Cross-Market Product Recommendation [22.385250578972084]
我々は、資源補助市場において、類似の富裕層からのデータを活用して、資源密閉市場の利用者に関連商品を推薦する問題について検討する。
我々は、市場適応というクロスマーケット製品レコメンデーションの問題を導入し、フォーマル化する。
我々は、市場適応が異なる市場に対する影響を研究する広範囲な実験を行っている。
論文 参考訳（メタデータ） (2021-09-13T12:53:45Z) - Learning who is in the market from time series: market participant
discovery through adversarial calibration of multi-agent simulators [0.0]
電子取引市場では、価格またはボリューム時系列のみが直接観測可能である。
本研究では,実物と偽物とを区別できる識別器を2段階に分けて学習する手法を提案する。
論文 参考訳（メタデータ） (2021-08-02T06:53:37Z) - Graphical Modeling for Multi-Source Domain Adaptation [56.05348879528149]
マルチソースドメイン適応(MSDA)は、複数のソースドメインからターゲットドメインへの知識の転送に焦点を当てている。
我々は2種類のグラフィカルモデルを提案する。
MSDAの条件付きランダムフィールド(CRF-MSDA)とMSDAのマルコフランダムフィールド(MRF-MSDA)
これらの2つのモデルを、ドメインシフトとデータの複雑さが異なるMSDAの4つの標準ベンチマークデータセットで評価します。
論文 参考訳（メタデータ） (2021-04-27T09:04:22Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳（メタデータ） (2021-02-18T09:20:26Z) - MARS-Gym: A Gym framework to model, train, and evaluate Recommender
Systems for Marketplaces [51.123916699062384]
MARS-Gymは、市場におけるレコメンデーションのための強化学習エージェントの構築と評価を行うオープンソースフレームワークである。
本稿では,Trivagoマーケットプレースデータセットにおいて,さまざまなベースラインエージェントの実装とメトリクス駆動による分析を行う。
学術研究と生産システムとのギャップを埋め、新しいアルゴリズムやアプリケーションの設計を容易にしたいと考えている。
論文 参考訳（メタデータ） (2020-09-30T16:39:31Z)
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。