論文の概要: Socially Aware Music Recommendation: A Multi-Modal Graph Neural Networks for Collaborative Music Consumption and Community-Based Engagement

• arxiv url: http://arxiv.org/abs/2511.05497v1
• Date: Sat, 13 Sep 2025 02:04:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.145316
• Title: Socially Aware Music Recommendation: A Multi-Modal Graph Neural Networks for Collaborative Music Consumption and Community-Based Engagement
• Title（参考訳）: ソーシャル・アウェア・ミュージック・レコメンデーション:コラボレーション型音楽消費とコミュニティベースエンゲージメントのためのマルチモーダルグラフニューラルネットワーク
• Authors: Kajwan Ziaoddini,
• Abstract要約: 本研究では,音楽レコメンデーションを社会的に認識するための新しいMulti-Modal Graph Neural Network(MM-GNN)フレームワークを提案する。 提案モデルでは, 歌詞, 音声, 視覚データからモダリティ固有の表現を整列する, 融合のない深層相互学習戦略を提案する。 音響信号とテキスト信号から得られる感情認識の埋め込みは、感情的に整合したレコメンデーションに寄与する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study presents a novel Multi-Modal Graph Neural Network (MM-GNN) framework for socially aware music recommendation, designed to enhance personalization and foster community-based engagement. The proposed model introduces a fusion-free deep mutual learning strategy that aligns modality-specific representations from lyrics, audio, and visual data while maintaining robustness against missing modalities. A heterogeneous graph structure is constructed to capture both user-song interactions and user-user social relationships, enabling the integration of individual preferences with social influence. Furthermore, emotion-aware embeddings derived from acoustic and textual signals contribute to emotionally aligned recommendations. Experimental evaluations on benchmark datasets demonstrate that MM-GNN significantly outperforms existing state-of-the-art methods across various performance metrics. Ablation studies further validate the critical impact of each model component, confirming the effectiveness of the framework in delivering accurate and socially contextualized music recommendations.
• Abstract（参考訳）: 本研究では,音楽レコメンデーションを社会的に意識する新しいマルチモーダルグラフニューラルネットワーク(MM-GNN)フレームワークを提案する。 提案モデルでは,モダリティの欠如に対して頑健さを維持しつつ,歌詞,音声,視覚データからモダリティ固有の表現を整列させる,融合自由深層相互学習戦略を提案する。 不均質なグラフ構造は、ユーザとユーザの対話とユーザとユーザの社会的関係の両方をキャプチャし、個人の好みと社会的影響の統合を可能にする。 さらに、音響信号とテキスト信号から得られる感情認識の埋め込みは、感情的に整合したレコメンデーションに寄与する。 ベンチマークデータセットの実験的評価により、MM-GNNは、様々なパフォーマンス指標で既存の最先端手法を著しく上回っていることが示された。 アブレーション研究は、各モデルコンポーネントの批判的影響をさらに検証し、正確で社会的に文脈化された音楽レコメンデーションの提供におけるフレームワークの有効性を確認する。

関連論文リスト

• Integrating Structure-Aware Attention and Knowledge Graphs in Explainable Recommendation Systems [2.620825811168925]
  本稿では,知識グラフと構造認識型アテンション機構を統合した,説明可能なレコメンデーションモデルを実装した。 このモデルはグラフニューラルネットワーク上に構築され、マルチホップ隣の集約戦略が組み込まれている。 Amazon Booksデータセットで実施された実験は、提案したモデルの優れた性能を検証する。
  論文  参考訳（メタデータ） (2025-10-11T08:39:34Z)
• Adaptive Graph Convolution and Semantic-Guided Attention for Multimodal Risk Detection in Social Networks [1.1637069058198866]
  本稿では,革新的なマルチモーダル方式でソーシャルメディア利用者の潜在的危険度を検出することに焦点を当てる。 自然言語処理(NLP)とグラフニューラルネットワーク(GNN)を統合した。 異なるプラットフォームからの実際のソーシャルメディアデータセットに対する実験は、我々のモデルが単一モダリティ法よりも大幅に改善できることを示します。
  論文  参考訳（メタデータ） (2025-09-21T06:03:18Z)
• Semantic Item Graph Enhancement for Multimodal Recommendation [49.66272783945571]
  マルチモーダルレコメンデーションシステムは、商品のマルチモーダル情報を活用することで、パフォーマンスの向上に注目が集まっている。 先行する手法は、しばしばモダリティ固有のアイテム・イテム意味グラフを生のモダリティの特徴から構築する。 これらのセマンティックグラフは、アイテム間の協調信号のモデリングが不十分ななど、セマンティックな欠陥に悩まされている。
  論文  参考訳（メタデータ） (2025-08-08T09:20:50Z)
• Graphs are everywhere -- Psst! In Music Recommendation too [0.0]
  グラフはジャンルベースのレコメンデーションを強化する上で重要な役割を果たす。 本研究では,グラフ畳み込み学習におけるグラフ畳み込みネットワーク(GCN),グラフSAGE,グラフトランスフォーマー(GT)モデルの有効性について検討する。
  論文  参考訳（メタデータ） (2025-04-03T14:00:52Z)
• Enhancing Graph Contrastive Learning with Reliable and Informative Augmentation for Recommendation [84.45144851024257]
  離散コードによるより強力な協調情報を用いて、コントラスト的なビューを構築することにより、グラフのコントラスト学習を強化することを目的とした、新しいフレームワークを提案する。 中心となる考え方は、ユーザとアイテムを協調情報に富んだ離散コードにマッピングし、信頼性と情報に富んだコントラッシブなビュー生成を可能にすることである。
  論文  参考訳（メタデータ） (2024-09-09T14:04:17Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• Social Recommendation with Self-Supervised Metagraph Informax Network [21.41026069530997]
  本稿では,ユーザの好み表現に社会的・知識に配慮した関係構造を組み込む可能性について検討する自己改善メタグラフInfor-max Network(SMIN)を提案する。 高次協調信号を注入するために、自己教師付きグラフベース協調フィルタリングの下で相互情報学習パラダイムを一般化する。 いくつかの実世界のデータセットに対する実験結果から,SMINモデルが様々な最先端レコメンデーション手法に対して有効であることを示す。
  論文  参考訳（メタデータ） (2021-10-08T08:18:37Z)
• Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
  本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。 提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
  論文  参考訳（メタデータ） (2020-03-15T02:33:21Z)

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。