Fugu-MT 論文翻訳(概要): Ultra Fast Warm Start Solution for Graph Recommendations

論文の概要: Ultra Fast Warm Start Solution for Graph Recommendations

arxiv url: http://arxiv.org/abs/2509.01549v1
Date: Mon, 01 Sep 2025 15:25:30 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-04 15:17:03.748503
Title: Ultra Fast Warm Start Solution for Graph Recommendations
Title（参考訳）: グラフレコメンデーションのための超高速ウォームスタートソリューション
Authors: Viacheslav Yusupov, Maxim Rakhuba, Evgeny Frolov,
Abstract要約: 本稿では,スケーラブルなグラフベースレコメンデータシステムであるUltraGCNにおいて,リコメンデーションを高速かつ効果的に更新するLinearアプローチを提案する。提案手法は,従来の手法の最大30倍の高速な即時レコメンデーションを提供する。
参考スコア（独自算出の注目度）: 2.6657294470593427
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we present a fast and effective Linear approach for updating recommendations in a scalable graph-based recommender system UltraGCN. Solving this task is extremely important to maintain the relevance of the recommendations under the conditions of a large amount of new data and changing user preferences. To address this issue, we adapt the simple yet effective low-rank approximation approach to the graph-based model. Our method delivers instantaneous recommendations that are up to 30 times faster than conventional methods, with gains in recommendation quality, and demonstrates high scalability even on the large catalogue datasets.
Abstract（参考訳）: 本研究では,スケーラブルなグラフベースレコメンデータシステムであるUltraGCNのリコメンデーションを高速かつ効果的に更新するLinearアプローチを提案する。このタスクの解決は、大量の新データの条件下でのレコメンデーションの関連性を維持し、ユーザの好みを変えるために極めて重要である。この問題に対処するため、グラフベースモデルに単純だが効果的な低ランク近似アプローチを適用する。提案手法は,従来の手法よりも最大30倍高速な即時レコメンデーションを提供し,レコメンデーション品質が向上し,大規模なカタログデータセットにおいても高いスケーラビリティを示す。

関連論文リスト

Slow Thinking for Sequential Recommendation [88.46598279655575]
本稿では,STREAM-Recという新しいスローシンキングレコメンデーションモデルを提案する。弊社のアプローチは、過去のユーザの振る舞いを分析し、多段階の熟考的推論プロセスを生成し、パーソナライズされたレコメンデーションを提供する。具体的には,(1)レコメンデーションシステムにおける適切な推論パターンを特定すること,(2)従来のレコメンデーションシステムの推論能力を効果的に刺激する方法を検討すること,の2つの課題に焦点を当てる。
論文参考訳（メタデータ） (2025-04-13T15:53:30Z)
Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
論文参考訳（メタデータ） (2025-02-05T17:14:45Z)
TIMBRE: Efficient Job Recommendation On Heterogeneous Graphs For Professional Recruiters [1.4999444543328293]
ジョブレコメンデーションは、レコメンデーションシステムでよく知られた多くの課題を集めます。コールドスタートの問題に悩まされ、ユーザ(候補者)とアイテム(仕事)は非常に寿命が限られている。本稿では、ジョブレコメンデーションのための時間グラフに基づく手法であるTIMBREを提案する。
論文参考訳（メタデータ） (2024-11-06T11:06:44Z)
Fisher-Weighted Merge of Contrastive Learning Models in Sequential Recommendation [0.0]
我々は、まず、フィッシャー・マージング法をシークエンシャル・レコメンデーションに適用し、それに関連する実践的な課題に対処し、解決する。提案手法の有効性を実証し, シーケンシャルラーニングおよびレコメンデーションシステムにおける最先端化の可能性を明らかにする。
論文参考訳（メタデータ） (2023-07-05T05:58:56Z)
Efficient Bi-Level Optimization for Recommendation Denoising [31.968068788022403]
暗黙のフィードバックは高いノイズを持ち、推奨品質を著しく損なう。両レベルの最適化問題としてデノナイズをモデル化する。内部最適化は、推奨のための効果的なモデルと重量決定を導くことを目的としている。重み発生器を用いて重みの保存と1ステップの勾配マッチングに基づく損失を回避し、計算時間を著しく短縮する。
論文参考訳（メタデータ） (2022-10-19T06:36:21Z)
An Adaptive Graph Pre-training Framework for Localized Collaborative Filtering [79.17319280791237]
局所的協調フィルタリング(ADAPT)のための適応グラフ事前学習フレームワークを提案する。 ADAPTは、異なるグラフにまたがる共通知識と、各グラフの特異性の両方をキャプチャする。ユーザ/イテムの埋め込みを転送する必要はなく、異なるグラフにまたがる共通知識と各グラフのユニークさの両方をキャプチャできる。
論文参考訳（メタデータ） (2021-12-14T06:53:13Z)
GHRS: Graph-based Hybrid Recommendation System with Application to Movie Recommendation [0.0]
本稿では,ユーザのレーティングの類似性に関連するグラフベースモデルを用いたレコメンデータシステムを提案する。オートエンコーダの特徴抽出の利点を生かして,全ての属性を組み合わせて新しい特徴を抽出する。 The experimental results on the MovieLens dataset shows that the proposed algorithm developed many existing recommendation algorithm on recommendation accuracy。
論文参考訳（メタデータ） (2021-11-06T10:47:45Z)
Learning to Learn a Cold-start Sequential Recommender [70.5692886883067]
コールドスタート勧告は、現代のオンラインアプリケーションにおいて緊急の問題である。メタ学習に基づくコールドスタートシーケンシャルレコメンデーションフレームワークMetaCSRを提案する。 MetaCSRは、通常のユーザの行動から共通のパターンを学ぶ能力を持っている。
論文参考訳（メタデータ） (2021-10-18T08:11:24Z)
Recommender systems based on graph embedding techniques: A comprehensive review [9.871096870138043]
本稿では,二部グラフ,一般グラフ,知識グラフの埋め込み手法からのグラフ埋め込みに基づく推薦を体系的に振り返る。いくつかの代表的なグラフ埋め込みベースのレコメンデーションモデルと、最もよく使われている従来のレコメンデーションモデルを比較すると、従来のモデルは、暗黙のユーザ-イテム相互作用を予測するためにグラフ埋め込みベースのレコメンデーションモデルよりも総合的に優れていることが示される。
論文参考訳（メタデータ） (2021-09-20T14:42:39Z)
A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。これらの作業で使用されるデータセットを紹介します。
論文参考訳（メタデータ） (2020-02-28T02:26:30Z)

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。