論文の概要: Leveraging Geometric Insights in Hyperbolic Triplet Loss for Improved Recommendations

• arxiv url: http://arxiv.org/abs/2508.11978v1
• Date: Sat, 16 Aug 2025 08:34:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.495522
• Title: Leveraging Geometric Insights in Hyperbolic Triplet Loss for Improved Recommendations
• Title（参考訳）: 高ボリックトリプレット損失における幾何学的洞察の活用
• Authors: Viacheslav Yusupov, Maxim Rakhuba, Evgeny Frolov,
• Abstract要約: 本稿では,幾何学的洞察を用いて表現学習を改善する新しい双曲的推薦モデルを提案する。 我々のアプローチは、既存のユークリッドモデルや双曲モデルを上回るだけでなく、人気バイアスを減らし、より多様性とパーソナライズされたレコメンデーションにつながります。
• 参考スコア（独自算出の注目度）: 0.6827423171182154
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent studies have demonstrated the potential of hyperbolic geometry for capturing complex patterns from interaction data in recommender systems. In this work, we introduce a novel hyperbolic recommendation model that uses geometrical insights to improve representation learning and increase computational stability at the same time. We reformulate the notion of hyperbolic distances to unlock additional representation capacity over conventional Euclidean space and learn more expressive user and item representations. To better capture user-items interactions, we construct a triplet loss that models ternary relations between users and their corresponding preferred and nonpreferred choices through a mix of pairwise interaction terms driven by the geometry of data. Our hyperbolic approach not only outperforms existing Euclidean and hyperbolic models but also reduces popularity bias, leading to more diverse and personalized recommendations.
• Abstract（参考訳）: 近年の研究では、リコメンデータシステムにおける相互作用データから複雑なパターンを捉えるための双曲幾何学の可能性を実証している。 本研究では、幾何学的洞察を用いて表現学習を改善し、同時に計算安定性を向上させる新しい双曲的推薦モデルを提案する。 我々は,従来のユークリッド空間上での表現能力を高めるために,双曲距離の概念を再構築し,より表現力のあるユーザとアイテムの表現を学習する。 ユーザ同士のインタラクションをよりよく捉えるために、データの幾何学によって駆動される2対の相互作用項の混合により、ユーザとそれに対応する好ましくない選択の3次関係をモデル化する三重項損失を構築した。 我々の双曲的アプローチは、既存のユークリッドモデルや双曲的モデルを上回るだけでなく、人気バイアスを減らし、より多様性とパーソナライズされたレコメンデーションをもたらす。

関連論文リスト

• Knowledge Graph Completion with Mixed Geometry Tensor Factorization [0.6827423171182154]
  低階テンソル近似を用いた知識グラフ補完のための新しい幾何学的手法を提案する。 我々は、新しい双曲的相互作用項を持つタッカーテンソル分解に基づいて、事前訓練された、十分に確立されたユークリッドモデルを増強する。
  論文  参考訳（メタデータ） (2025-04-03T13:54:43Z)
• Machine Unlearning in Hyperbolic vs. Euclidean Multimodal Contrastive Learning: Adapting Alignment Calibration to MERU [50.9588132578029]
  本稿では,双曲型コントラスト学習における機械学習について検討する。 我々は、画像とテキストを双曲空間に埋め込んだモデルであるMERUにアライメントを適用し、セマンティック階層をよりよくキャプチャする。 提案手法では,双曲空間の特異性を利用したエンテーメントキャリブレーションやノルム正規化など,双曲特異成分を導入している。
  論文  参考訳（メタデータ） (2025-03-19T12:47:37Z)
• Robust Hyperbolic Learning with Curvature-Aware Optimization [7.89323764547292]
  現在の双曲型学習アプローチは、過度に適合し、計算コストが高く、不安定になりがちである。 本稿では,双曲的埋め込みを制限し,近似誤差を低減するために,新しい微調整可能な双曲的スケーリング手法を提案する。 提案手法は,コンピュータビジョン,脳波分類,階層的メトリック学習タスクにおける一貫した改善を示す。
  論文  参考訳（メタデータ） (2024-05-22T20:30:14Z)
• Hyperbolic vs Euclidean Embeddings in Few-Shot Learning: Two Sides of the Same Coin [49.12496652756007]
  この結果から, 共通の双曲半径での双曲埋め込みが達成できることが示唆された。 従来のベンチマーク結果とは対照的に、ユークリッド計量を備えた固定半径エンコーダにより、より良い性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-09-18T14:51:46Z)
• HICF: Hyperbolic Informative Collaborative Filtering [35.26872278129825]
  ハイパーボリック空間は、パワーローな分散ユーザイテムネットワークを記述するのに適している。 双曲型モデルでは,どの項目が効果的に推奨できるのか,どの項目が推奨できないのかは明らかでない。 本稿では,見出し項目の推薦効率を補うために,ハイカルボリック・コラボレーティブ・フィルタ(HICF)という新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2022-07-19T03:45:38Z)
• HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric Regularization [52.369435664689995]
  HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。 具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。 提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
  論文  参考訳（メタデータ） (2022-04-18T06:11:44Z)
• Hyperbolic Vision Transformers: Combining Improvements in Metric Learning [116.13290702262248]
  計量学習のための新しい双曲型モデルを提案する。 本手法のコアとなるのは、双曲空間にマッピングされた出力埋め込みを備えた視覚変換器である。 4つのデータセットに6つの異なる定式化を施したモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-03-21T09:48:23Z)
• Hyperbolic Manifold Regression [33.40757136529844]
  本稿では,多くの機械学習応用の中間要素として,双曲空間上で多様体値回帰を行うという問題を考察する。 本稿では,1)ラベル埋め込みによる階層的分類,2)双曲表現の分類的拡張の2つの課題に対する新しい視点を提案する。 実験の結果,双曲幾何学の活用戦略は有望であることが示唆された。
  論文  参考訳（メタデータ） (2020-05-28T10:16:30Z)

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。