論文の概要: HyMoERec: Hybrid Mixture-of-Experts for Sequential Recommendation

• arxiv url: http://arxiv.org/abs/2511.06388v1
• Date: Sun, 09 Nov 2025 13:52:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.915647
• Title: HyMoERec: Hybrid Mixture-of-Experts for Sequential Recommendation
• Title（参考訳）: HyMoERec: シークエンシャルレコメンデーションのためのハイブリッドミックス-オブ-エクササイズ
• Authors: Kunrong Li, Zhu Sun, Kwan Hui Lim,
• Abstract要約: HyMoERecは、すべてのユーザインタラクションとアイテムを平等に扱うシーケンシャルなレコメンデーションフレームワークである。 MovieLens-1MとBeautyデータセットの実験は、HyMoERecが一貫して最先端のベースラインを上回っていることを示している。
• 参考スコア（独自算出の注目度）: 11.538208610834415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose HyMoERec, a novel sequential recommendation framework that addresses the limitations of uniform Position-wise Feed-Forward Networks in existing models. Current approaches treat all user interactions and items equally, overlooking the heterogeneity in user behavior patterns and diversity in item complexity. HyMoERec initially introduces a hybrid mixture-of-experts architecture that combines shared and specialized expert branches with an adaptive expert fusion mechanism for the sequential recommendation task. This design captures diverse reasoning for varied users and items while ensuring stable training. Experiments on MovieLens-1M and Beauty datasets demonstrate that HyMoERec consistently outperforms state-of-the-art baselines.
• Abstract（参考訳）: 我々は,既存のモデルにおける一様位置対応フィードフォワードネットワークの制約に対処する,新しいシーケンシャルレコメンデーションフレームワークHyMoERecを提案する。 現在のアプローチでは、すべてのユーザインタラクションとアイテムを平等に扱い、ユーザの振る舞いパターンの不均一性とアイテムの複雑さの多様性を見越しています。 HyMoERecは最初、共有と専門のエキスパートブランチと、シーケンシャルなレコメンデーションタスクのためのアダプティブなエキスパートフュージョンメカニズムを組み合わせたハイブリッド・オブ・エキスパートアーキテクチャを導入した。 この設計は、安定したトレーニングを確保しながら、さまざまなユーザやアイテムに対するさまざまな推論をキャプチャする。 MovieLens-1MとBeautyデータセットの実験は、HyMoERecが一貫して最先端のベースラインを上回っていることを示している。

関連論文リスト

• Multi-modal Adaptive Mixture of Experts for Cold-start Recommendation [1.9967512860886603]
  MAMEXはマルチモーダルなコールドスタートレコメンデーションのための新しいフレームワークである。 異なるモダリティから潜在表現を動的に活用する。 実験では、MAMEXはコールドスタートシナリオで最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-08-11T14:47:14Z)
• STAR-Rec: Making Peace with Length Variance and Pattern Diversity in Sequential Recommendation [61.320991769685065]
  STAR-Recは、好みを認識した注意と状態空間モデリングを組み合わせた新しいアーキテクチャである。 STAR-Recは、最先端のシーケンシャルレコメンデーション手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2025-05-06T12:40:38Z)
• Deep Reinforcement Learning with Hybrid Intrinsic Reward Model [50.53705050673944]
  内在的な報酬形成は、ハード探索とスパース・リワードの環境を解決するための一般的なアプローチとして現れている。 故意融合戦略を通じてハイブリッドな内因性報酬を作成するためのフレームワークであるHIRE(Hybrid Intrinsic Reward)を紹介する。
  論文  参考訳（メタデータ） (2025-01-22T04:22:13Z)
• Facet-Aware Multi-Head Mixture-of-Experts Model for Sequential Recommendation [25.516648802281626]
  逐次レコメンデーションのためのFAME(Facet-Aware Multi-Head Mixture-of-Experts Model for Sequential Recommendation)という新しい構造を提案する。 最後のマルチヘッドアテンション層における各頭部からのサブ埋め込みを活用して,次の項目を別々に予測する。 ゲーティングメカニズムは、各ヘッドからのレコメンデーションを統合し、それらの重要性を動的に決定する。
  論文  参考訳（メタデータ） (2024-11-03T06:47:45Z)
• GaVaMoE: Gaussian-Variational Gated Mixture of Experts for Explainable Recommendation [55.937636188796475]
  GaVaMoEは、説明可能なレコメンデーションのための新しいフレームワークである。 特定のユーザータイプや好みのカスタマイズされた説明を生成する。 疎いユーザ-イテムインタラクションのシナリオでは、堅牢なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-10-15T17:59:30Z)
• Learning with MISELBO: The Mixture Cookbook [62.75516608080322]
  本稿では,VampPriorとPixelCNNデコーダネットワークを用いて,フローベース階層型変分オートエンコーダ(VAE)の正規化のための変分近似を初めて提案する。 我々は、この協調行動について、VIと適応的重要度サンプリングの新たな関係を描いて説明する。 我々は、MNISTおよびFashionMNISTデータセット上の負のログ類似度の観点から、VAEアーキテクチャの最先端結果を得る。
  論文  参考訳（メタデータ） (2022-09-30T15:01:35Z)
• Hybrid Parameter Search and Dynamic Model Selection for Mixed-Variable Bayesian Optimization [6.204805504959941]
  混合変数の管理に有効なベイズ最適化(BO)のための新しいタイプのハイブリッドモデルを提案する。 提案手法は,モンテカルロ木探索構造 (MCTS) とガウス過程 (GP) を融合したハイブリッドモデルである。 代理モデリングフェーズにおける動的オンラインカーネル選択を含む我々のイノベーションは、ハイブリッドモデルを混合可変代理モデルの進歩として位置づけている。
  論文  参考訳（メタデータ） (2022-06-03T06:34:09Z)
• Hybrid Relation Guided Set Matching for Few-shot Action Recognition [51.3308583226322]
  本稿では,2つの鍵成分を組み込んだHybrid Relation Guided Set Matching (HyRSM) 手法を提案する。 ハイブリッドリレーションモジュールの目的は、エピソード内の関連関係とクロスビデオの完全活用により、タスク固有の埋め込みを学習することである。 我々は,HyRSMを6つの挑戦的ベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-04-28T11:43:41Z)

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。