論文の概要: KGBridge: Knowledge-Guided Prompt Learning for Non-overlapping Cross-Domain Recommendation

• arxiv url: http://arxiv.org/abs/2511.02181v1
• Date: Tue, 04 Nov 2025 01:50:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.771815
• Title: KGBridge: Knowledge-Guided Prompt Learning for Non-overlapping Cross-Domain Recommendation
• Title（参考訳）: KGBridge: 重複しないクロスドメインレコメンデーションのための知識指導型プロンプト学習
• Authors: Yuhan Wang, Qing Xie, Zhifeng Bao, Mengzi Tang, Lin Li, Yongjian Liu,
• Abstract要約: KGBridgeは、非重複ユーザシナリオ下でのクロスドメインシーケンシャルなレコメンデーションのための知識誘導型プロンプト学習フレームワークである。 KGBridgeはドメイン共有セマンティクスとドメイン固有セマンティクスを明確に分離し、バランスをとる。
• 参考スコア（独自算出の注目度）: 14.540621422972244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge Graphs (KGs), as structured knowledge bases that organize relational information across diverse domains, provide a unified semantic foundation for cross-domain recommendation (CDR). By integrating symbolic knowledge with user-item interactions, KGs enrich semantic representations, support reasoning, and enhance model interpretability. Despite this potential, existing KG-based methods still face major challenges in CDR, particularly under non-overlapping user scenarios. These challenges arise from: (C1) sensitivity to KG sparsity and popularity bias, (C2) dependence on overlapping users for domain alignment and (C3) lack of explicit disentanglement between transferable and domain-specific knowledge, which limit effective and stable knowledge transfer. To this end, we propose KGBridge, a knowledge-guided prompt learning framework for cross-domain sequential recommendation under non-overlapping user scenarios. KGBridge comprises two core components: a KG-enhanced Prompt Encoder, which models relation-level semantics as soft prompts to provide structured and dynamic priors for user sequence modeling (addressing C1), and a Two-stage Training Paradigm, which combines cross-domain pretraining and privacy-preserving fine-tuning to enable knowledge transfer without user overlap (addressing C2). By combining relation-aware semantic control with correspondence-driven disentanglement, KGBridge explicitly separates and balances domain-shared and domain-specific semantics, thereby maintaining complementarity and stabilizing adaptation during fine-tuning (addressing C3). Extensive experiments on benchmark datasets demonstrate that KGBridge consistently outperforms state-of-the-art baselines and remains robust under varying KG sparsity, highlighting its effectiveness in mitigating structural imbalance and semantic entanglement in KG-enhanced cross-domain recommendation.
• Abstract（参考訳）: 知識グラフ(KG)は、さまざまなドメインにまたがる関係情報を整理する構造化知識基盤として、クロスドメインレコメンデーション(CDR)のための統一的なセマンティック基盤を提供する。 シンボリック知識とユーザとイテムの相互作用を統合することで、KGは意味表現を豊かにし、推論をサポートし、モデルの解釈可能性を高める。 このような可能性にもかかわらず、既存のKGベースのメソッドは、特に重複しないユーザシナリオにおいて、CDRにおいて大きな課題に直面している。 これらの課題は、(C1) KGのスパーシリティと人気バイアスへの感受性、(C2)ドメインアライメントの重複するユーザへの依存、(C3)ドメイン固有知識と転送可能知識との明示的なアンタングメントの欠如、そして、効果的で安定した知識伝達を制限することに由来する。 そこで本稿では,非重複ユーザシナリオ下でのクロスドメインシーケンシャルレコメンデーションのための知識誘導型プロンプト学習フレームワークであるKGBridgeを提案する。 KGBridgeは、ユーザシーケンスモデリングのための構造化された動的事前情報を提供するソフトプロンプトとして関係レベルのセマンティクスをモデル化するKGエンハンスなPrompt Encoderと、ドメイン間の事前トレーニングとプライバシ保存の微調整を組み合わせた2段階のトレーニングパラダイムで構成されている。 関係認識型セマンティックコントロールと対応駆動型不絡合を組み合わせることで、KGBridgeはドメイン共有とドメイン固有セマンティクスを明確に分離し、バランスをとることにより、微調整(addressing C3)中の相補性を維持し、適応を安定化させる。 ベンチマークデータセットに関する大規模な実験により、KGBridgeは最先端のベースラインを一貫して上回り、さまざまなKG空間で頑健なままであり、KG強化されたクロスドメインレコメンデーションにおける構造的不均衡と意味的絡み合いを軽減する効果を強調している。

関連論文リスト

• IAR2: Improving Autoregressive Visual Generation with Semantic-Detail Associated Token Prediction [77.06211178777939]
  IAR2は、階層的なセマンティックディーテール合成プロセスを可能にする高度な自己回帰フレームワークである。 我々は、IAR2が自動回帰画像生成のための新しい最先端技術を設定し、ImageNet上で1.50のFIDを達成することを示す。
  論文  参考訳（メタデータ） (2025-10-08T12:08:21Z)
• Enhancing Transferability and Consistency in Cross-Domain Recommendations via Supervised Disentanglement [13.553355329509243]
  クロスドメインレコメンデーションは、ドメイン間で知識を伝達することで、データの疎さを軽減することを目的としている。 分散表現学習は、複雑なユーザの好みをモデル化するための効果的なソリューションを提供する。 本稿では,GNN を拡張したエンコーダデコーダフレームワーク DGCDR を提案する。
  論文  参考訳（メタデータ） (2025-07-23T01:29:45Z)
• LKD-KGC: Domain-Specific KG Construction via LLM-driven Knowledge Dependency Parsing [9.502380540548497]
  知識グラフ(KG)は現実世界の実体とそれらの関係を3重に構成し、様々なタスクに対する機械推論を強化する。 大規模言語モデル(LLM)に基づく知識グラフ構築への最近のアプローチは、効率的であることが証明されている。 教師なしドメイン固有KG構築のための新しいフレームワークであるLKD-KGCを提案する。
  論文  参考訳（メタデータ） (2025-05-30T03:10:23Z)
• Federated Cross-Domain Click-Through Rate Prediction With Large Language Model Augmentation [4.978132660177235]
  大規模言語モデル拡張(FedCCTR-LM)を用いたFedCCTR予測について述べる。 まずプライバシ保護強化ネットワーク(PrivNet)では,ユーザとアイテムの表現を充実させるために,大規模な言語モデルを採用している。 第2に、IDST-CL(Independent Domain-Specific Transformer with Contrastive Learning)モジュールは、ドメイン固有の、共有されたユーザの好みを乱す。 第3に、Adaptive Local Differential Privacy(AdaLDP)メカニズムは、ノイズ注入を動的に校正し、厳密なプライバシー保証と予測精度の最適なバランスを実現する。
  論文  参考訳（メタデータ） (2025-03-21T06:22:42Z)
• Reasoning over User Preferences: Knowledge Graph-Augmented LLMs for Explainable Conversational Recommendations [58.61021630938566]
  対話型レコメンデーションシステム(CRS)は,対話型対話を通じてユーザの好みを捉え,パーソナライズされたレコメンデーションを提供することを目的としている。 現在のCRSは、しばしば知識グラフ(KG)や言語モデルを利用して、ユーザの好みを潜在ベクトルとして抽出し、表現し、説明可能性を制限する。 本稿では,LCMとKGを相乗化してユーザの好みを推論し,既存のCRSの性能と説明可能性を高めるプラグイン・アンド・プレイ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-16T11:47:21Z)
• Query-Enhanced Adaptive Semantic Path Reasoning for Inductive Knowledge Graph Completion [45.9995456784049]
  本稿では Query-Enhanced Adaptive Semantic Path Reasoning (QASPR) フレームワークを提案する。 QASPRは、帰納的KGCタスクを強化するために、KGの構造情報と意味情報の両方をキャプチャする。 実験の結果,QASPRは最先端の性能を達成できた。
  論文  参考訳（メタデータ） (2024-06-04T11:02:15Z)
• Contextualization Distillation from Large Language Model for Knowledge Graph Completion [51.126166442122546]
  我々は、差別的かつ生成的なKGCフレームワークと互換性のあるプラグイン・アンド・プレイ方式であるContextualization Distillation戦略を導入する。 提案手法は,大規模言語モデルに対して,コンパクトで構造的な三重項を文脈に富んだセグメントに変換するように指示することから始まる。 多様なデータセットとKGC技術にわたる総合的な評価は、我々のアプローチの有効性と適応性を強調している。
  論文  参考訳（メタデータ） (2024-01-28T08:56:49Z)
• Towards Lightweight Cross-domain Sequential Recommendation via External Attention-enhanced Graph Convolution Network [7.1102362215550725]
  クロスドメインシークエンシャルレコメンデーション(CSR)は、複数のドメインからのインタラクションをモデル化することで、重複したユーザの振る舞いパターンの進化を描いている。 上記の課題,すなわちLEA-GCNを解決するために,軽量な外部注意強化GCNベースのフレームワークを導入する。 フレームワークの構造をさらに緩和し、ユーザ固有のシーケンシャルパターンを集約するために、新しい二重チャネル外部注意(EA)コンポーネントを考案する。
  論文  参考訳（メタデータ） (2023-02-07T03:06:29Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。