論文の概要: Dual-Phase Playtime-guided Recommendation: Interest Intensity Exploration and Multimodal Random Walks

• arxiv url: http://arxiv.org/abs/2508.14058v1
• Date: Sat, 09 Aug 2025 13:51:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-24 10:27:26.53058
• Title: Dual-Phase Playtime-guided Recommendation: Interest Intensity Exploration and Multimodal Random Walks
• Title（参考訳）: Dual-Phase Playtime-Guided Recommendation: Interest Intensity Exploration and Multimodal Random Walks
• Authors: Jingmao Zhang, Zhiting Zhao, Yunqi Lin, Jianghong Ma, Tianjun Wei, Haijun Zhang, Xiaofeng Zhang,
• Abstract要約: DP2Recは,精度と多様性を協調的に最適化する新しいDual-Phase Playtime-Guided Recommendationモデルである。 まず,強い嗜好と弱い嗜好を分離したプレイタイムガイドによる関心度探索モジュールを提案する。 第2に、プレイタイム由来の興味類似性とマルチモーダルセマンティック類似性の両方によって導かれる遷移を用いて、プレイヤーの探索をシミュレートするプレイタイム誘導マルチモーダルウォークモジュールを提案する。
• 参考スコア（独自算出の注目度）: 19.13822933523383
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The explosive growth of the video game industry has created an urgent need for recommendation systems that can scale with expanding catalogs and maintain user engagement. While prior work has explored accuracy and diversity in recommendations, existing models underutilize playtime, a rich behavioral signal unique to gaming platforms, and overlook the potential of multimodal information to enhance diversity. In this paper, we propose DP2Rec, a novel Dual-Phase Playtime-guided Recommendation model designed to jointly optimize accuracy and diversity. First, we introduce a playtime-guided interest intensity exploration module that separates strong and weak preferences via dual-beta modeling, enabling fine-grained user profiling and more accurate recommendations. Second, we present a playtime-guided multimodal random walks module that simulates player exploration using transitions guided by both playtime-derived interest similarity and multimodal semantic similarity. This mechanism preserves core preferences while promoting cross-category discovery through latent semantic associations and adaptive category balancing. Extensive experiments on a real-world game dataset show that DP2Rec outperforms existing methods in both recommendation accuracy and diversity.
• Abstract（参考訳）: ビデオゲーム産業の爆発的な成長は、カタログを拡張し、ユーザーエンゲージメントを維持することでスケールできるレコメンデーションシステムに対する緊急の需要を生み出している。 これまでの研究では、リコメンデーションの正確さと多様性について検討されてきたが、既存のモデルは、ゲームプラットフォーム特有のリッチな行動信号であるプレイタイムを過小評価し、多様性を高めるためのマルチモーダル情報の可能性を見落としている。 本稿では,DP2Recを提案する。DP2Recは,精度と多様性を両立させるために設計された,新しいDual-Phase Playtime-Guided Recommendationモデルである。 まず,より詳細なユーザプロファイリングとより正確なレコメンデーションを実現するために,マルチベータ・モデリングにより,強い好みと弱い好みを分離するプレイタイム誘導インテンシティ探索モジュールを提案する。 第2に、プレイタイム由来の興味類似性とマルチモーダルセマンティック類似性の両方によって導かれる遷移を用いて、プレイヤーの探索をシミュレートするプレイタイム誘導マルチモーダルウォークモジュールを提案する。 このメカニズムは中核的な嗜好を保ちつつ、潜在意味関係と適応的カテゴリーバランスを通じてカテゴリ間発見を促進する。 実世界のゲームデータセットに対する大規模な実験により、DP2Recは推奨精度と多様性の両方で既存の手法より優れていることが示された。

関連論文リスト

• Multimodal Fusion And Sparse Attention-based Alignment Model for Long Sequential Recommendation [9.086257183699418]
  マルチモーダルアイテムシーケンスとマイニング マルチモーダルユーザ興味は、コンテンツ理解とレコメンデーションのギャップを埋めることができます。 本稿では,ムルティモダル核融合とスパースアテンションに基づくアライメントモデルであるMUFASAを提案する。 実世界のベンチマーク実験では、MUFASAが最先端のベースラインを一貫して超越していることが示されている。
  論文  参考訳（メタデータ） (2025-08-13T09:50:44Z)
• Dual-disentangle Framework for Diversified Sequential Recommendation [16.688375054719767]
  DDSRec(Diversified Sequential Recommendation)のためのモデルに依存しないDual-Disanglingフレームワークを提案する。 このフレームワークは、相互作用モデリングと表現において不合理な視点を採用することにより、ユーザ関心と意図モデリングを洗練させる。
  論文  参考訳（メタデータ） (2025-08-05T07:25:56Z)
• FindRec: Stein-Guided Entropic Flow for Multi-Modal Sequential Recommendation [50.438552588818]
  textbfFindRec (textbfFlexible unified textbfinformation textbfdisentanglement for multi-modal sequence textbfRecommendation)を提案する。 Stein kernel-based Integrated Information Coordination Module (IICM) は理論上、マルチモーダル特徴とIDストリーム間の分散一貫性を保証する。 マルチモーダル特徴を文脈的関連性に基づいて適応的にフィルタリング・結合するクロスモーダル・エキスパート・ルーティング機構。
  論文  参考訳（メタデータ） (2025-07-07T04:09:45Z)
• Bayesian-Guided Diversity in Sequential Sampling for Recommender Systems [1.675857332621569]
  本稿では,多目的・文脈的な逐次サンプリング戦略を活用する新しいフレームワークを提案する。 アイテムの選択は、多様性を最適化するためにスコアを動的に調整するベイジアン更新によってガイドされる。 実世界のデータセットを用いた実験により、我々のアプローチは妥当性を犠牲にすることなく多様性を著しく改善することが示された。
  論文  参考訳（メタデータ） (2025-06-22T19:36:02Z)
• Ducho meets Elliot: Large-scale Benchmarks for Multimodal Recommendation [9.506245109666907]
  商品やサービスを特徴付ける多面的機能は、オンライン販売プラットフォームにおいて、各顧客に影響を与える可能性がある。 一般的なマルチモーダルレコメンデーションパイプラインは、(i)マルチモーダルな特徴の抽出、(ii)レコメンデーションタスクに適したハイレベルな表現の精製、(iv)ユーザイテムスコアの予測を含む。 本論文は,マルチモーダルレコメンデータシステムに対する大規模ベンチマークを行う最初の試みとして,特にマルチモーダル抽出器に着目したものである。
  論文  参考訳（メタデータ） (2024-09-24T08:29:10Z)
• BiVRec: Bidirectional View-based Multimodal Sequential Recommendation [55.87443627659778]
  我々は,IDとマルチモーダルの両方で推薦タスクを共同で訓練する,革新的なフレームワークであるBivRecを提案する。 BivRecは5つのデータセットで最先端のパフォーマンスを達成し、様々な実用的な利点を示している。
  論文  参考訳（メタデータ） (2024-02-27T09:10:41Z)
• MISSRec: Pre-training and Transferring Multi-modal Interest-aware Sequence Representation for Recommendation [61.45986275328629]
  逐次レコメンデーションのためのマルチモーダル事前学習・転送学習フレームワークであるMISSRecを提案する。 ユーザ側ではトランスフォーマーベースのエンコーダデコーダモデルを設計し、コンテキストエンコーダがシーケンスレベルのマルチモーダルユーザ興味を捉えることを学習する。 候補項目側では,ユーザ適応項目表現を生成するために動的融合モジュールを採用する。
  論文  参考訳（メタデータ） (2023-08-22T04:06:56Z)
• 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)

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。