論文の概要: Exploiting Inter-Session Information with Frequency-enhanced Dual-Path Networks for Sequential Recommendation
- arxiv url: http://arxiv.org/abs/2511.06285v3
- Date: Fri, 14 Nov 2025 02:02:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-17 14:38:01.777489
- Title: Exploiting Inter-Session Information with Frequency-enhanced Dual-Path Networks for Sequential Recommendation
- Title（参考訳）: シーケンスレコメンデーションのための周波数付デュアルパスネットワークを用いたセッション間情報公開
- Authors: Peng He, Yao Liu, Yanglei Gan, Run Lin, Tingting Dai, Qiao Liu, Xuexin Li,
- Abstract要約: 本稿では、シーケンシャルレコメンデーションのための周波数拡張デュアルパスネットワークであるFreqRecを提案する。
FreqRecは、学習可能な周波数ドメイン多層パーセプトロンを介して、セッション間およびセッション内動作をキャプチャする。
クロスエントロピーと周波数領域の整合性損失を組み合わせた合成目的の下で最適化されている。
- 参考スコア（独自算出の注目度）: 13.302194364808514
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sequential recommendation (SR) aims to predict a user's next item preference by modeling historical interaction sequences. Recent advances often integrate frequency-domain modules to compensate for self-attention's low-pass nature by restoring the high-frequency signals critical for personalized recommendations. Nevertheless, existing frequency-aware solutions process each session in isolation and optimize exclusively with time-domain objectives. Consequently, they overlook cross-session spectral dependencies and fail to enforce alignment between predicted and actual spectral signatures, leaving valuable frequency information under-exploited. To this end, we propose FreqRec, a Frequency-Enhanced Dual-Path Network for sequential Recommendation that jointly captures inter-session and intra-session behaviors via a learnable Frequency-domain Multi-layer Perceptrons. Moreover, FreqRec is optimized under a composite objective that combines cross entropy with a frequency-domain consistency loss, explicitly aligning predicted and true spectral signatures. Extensive experiments on three benchmarks show that FreqRec surpasses strong baselines and remains robust under data sparsity and noisy-log conditions.
- Abstract（参考訳）: 逐次レコメンデーション(SR)は,過去のインタラクションシーケンスをモデル化することによって,ユーザの次の項目の選好を予測することを目的としている。
近年の進歩は、パーソナライズされたレコメンデーションに不可欠な高周波信号を復元することで、自己注意の低パス特性を補うために周波数ドメインモジュールを統合することも多い。
それでも、既存の周波数対応ソリューションは各セッションを個別に処理し、時間領域の目的だけを最適化する。
結果として、彼らはクロスセッションのスペクトル依存性を見落とし、予測されたスペクトルと実際のスペクトルのシグネチャのアライメントを強制できず、貴重な周波数情報が未公開のまま残される。
そこで本研究では、周波数領域多層知覚器を用いて、セッション間およびセッション間動作を協調的にキャプチャするシーケンシャルレコメンデーションのための周波数拡張デュアルパスネットワークであるFreqRecを提案する。
さらに、FreqRecはクロスエントロピーと周波数領域の整合性損失を組み合わせた合成目的の下で最適化され、予測と真のスペクトルシグネチャを明示的に整列する。
3つのベンチマークの大規模な実験により、FreqRecは強いベースラインを超え、データ空間とノイズログ条件下では頑健であることが示された。
関連論文リスト
- Wavelet Enhanced Adaptive Frequency Filter for Sequential Recommendation [9.48001653858777]
逐次レコメンデーションのためのウェーブレット拡張適応周波数フィルタという新しい手法を提案する。
動的周波数領域フィルタリングとウェーブレット機能強化の2つの重要なモジュールで構成されている。
論文 参考訳（メタデータ） (2025-11-10T12:22:33Z) - WaveSeg: Enhancing Segmentation Precision via High-Frequency Prior and Mamba-Driven Spectrum Decomposition [61.3530659856013]
本稿では,空間およびウェーブレット領域の機能改善を共同で最適化する新しいデコーダアーキテクチャであるWaveSegを提案する。
高周波成分は、まず入力画像から、境界の詳細を強化するために明示的な先行として学習される。
標準ベンチマークの実験では、Mambaベースの注目に先立ってウェーブレット-ドメイン周波数を利用するWaveSegが、常に最先端のアプローチより優れていることが示されている。
論文 参考訳（メタデータ） (2025-10-24T01:41:31Z) - A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting [81.73338008264115]
時系列予測の現在のアプローチは、時間領域であれ周波数領域であれ、主に線形層やトランスフォーマーに基づいたディープラーニングモデルを使用する。
本稿では,多種多様な時系列を数学的に抽象化する統合周波数領域分解フレームワークFIREを提案する。
火は長期予測ベンチマークで最先端のモデルを一貫して上回る。
論文 参考訳（メタデータ） (2025-10-11T09:59:25Z) - Frequency-Constrained Learning for Long-Term Forecasting [15.31488551912888]
実世界の時系列は、物理法則、人間のルーチン、季節周期から生じる強い周期構造を示す。
現代の深層予測モデルは、スペクトルバイアスと周波数認識による誘導前兆の欠如により、繰り返し発生するパターンを捉えることができないことが多い。
本稿では,周期性を明示的にモデル化し,長期予測を効果的に行う手法を提案する。
論文 参考訳（メタデータ） (2025-08-02T22:12:15Z) - FreRA: A Frequency-Refined Augmentation for Contrastive Learning on Time Series Classification [56.925103708982164]
周波数領域からの新たな視点を示し、ダウンストリーム分類の利点として、グローバル、独立、コンパクトの3つを識別する。
本稿では,分類タスクにおける時系列のコントラスト学習に適した,軽量で効果的な周波数補充拡張(FreRA)を提案する。
FreRAは、時系列分類、異常検出、転送学習タスクにおいて、常に10つの主要なベースラインを上回ります。
論文 参考訳（メタデータ） (2025-05-29T07:18:28Z) - MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
時系列予測は、周波数の異なる周期特性から導かれる。
マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。
主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-03-11T11:40:14Z) - UniRec: A Dual Enhancement of Uniformity and Frequency in Sequential Recommendations [13.654819858917332]
新たな双方向拡張シーケンシャルレコメンデーション手法であるUniRecを提案する。
UniRecは、一様でないシーケンスと少ない頻度のアイテムの表現を改善している。
我々の知る限り、UniRecは特徴増強のための均一性と周波数の特性を利用する最初の方法である。
論文 参考訳（メタデータ） (2024-06-26T16:28:24Z) - FAITH: Frequency-domain Attention In Two Horizons for Time Series Forecasting [13.253624747448935]
時系列予測は、産業機器の保守、気象学、エネルギー消費、交通流、金融投資など、様々な分野で重要な役割を果たしている。
現在のディープラーニングベースの予測モデルは、予測結果と基礎的真実の間に大きな違いを示すことが多い。
本稿では、時系列をトレンドと季節成分に分解する2つのホライズンズにおける周波数領域注意モデルを提案する。
論文 参考訳（メタデータ） (2024-05-22T02:37:02Z) - Sequential Recommendation with Controllable Diversification: Representation Degeneration and Diversity [59.24517649169952]
我々は,表現退化問題は,既存のSR手法における推奨の多様性の欠如の根本原因であると主張している。
Singular sPectrum sMoothing regularization for Recommendation (SPMRec)を提案する。
論文 参考訳（メタデータ） (2023-06-21T02:42:37Z) - Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。
我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-03-27T14:25:52Z)
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。