論文の概要: On the Efficiency of Sequentially Aware Recommender Systems: Cotten4Rec

• arxiv url: http://arxiv.org/abs/2602.06935v1
• Date: Fri, 06 Feb 2026 18:30:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-09 22:18:26.52825
• Title: On the Efficiency of Sequentially Aware Recommender Systems: Cotten4Rec
• Title（参考訳）: 系列認識レコメンダシステムの効率性について:Cotten4Rec
• Authors: Shankar Veludandi, Gulrukh Kurdistan, Uzma Mushtaque,
• Abstract要約: 逐次レコメンデーション(SR)モデルは、過去の振る舞いをモデル化することによって、ユーザの次のインタラクションを予測する。 変換器ベースのSR法、特にBERT4Recはこれらのパターンを効果的にキャプチャするが、計算オーバーヘッドは大きい。 本稿では,線形時間コサイン類似性に着目した新しいSRモデルCotten4Recを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequential recommendation (SR) models predict a user's next interaction by modeling their historical behaviors. Transformer-based SR methods, notably BERT4Rec, effectively capture these patterns but incur significant computational overhead due to extensive intermediate computations associated with Softmax-based attention. We propose Cotten4Rec, a novel SR model utilizing linear-time cosine similarity attention, implemented through a single optimized compute unified device architecture (CUDA) kernel. By minimizing intermediate buffers and kernel-launch overhead, Cotten4Rec substantially reduces resource usage compared to BERT4Rec and the linear-attention baseline, LinRec, especially for datasets with moderate sequence lengths and vocabulary sizes. Evaluations across three benchmark datasets confirm that Cotten4Rec achieves considerable reductions in memory and runtime with minimal compromise in recommendation accuracy, demonstrating Cotten4Rec's viability as an efficient alternative for practical, large-scale sequential recommendation scenarios where computational resources are critical.
• Abstract（参考訳）: 逐次レコメンデーション(SR)モデルは、過去の振る舞いをモデル化することによって、ユーザの次のインタラクションを予測する。 変換器ベースのSR法、特にBERT4Recは、これらのパターンを効果的に捉えるが、Softmaxベースの注意に関連する広範囲な中間計算のため、計算オーバーヘッドが大幅に増大する。 本稿では,線形時間コサイン類似性に着目した新しいSRモデルCotten4Recを提案する。 中間バッファとカーネル起動オーバーヘッドを最小限にすることで、Cotten4RecはBERT4RecやリニアアテンションベースラインであるLinRecと比較してリソース使用量を大幅に削減する。 3つのベンチマークデータセットによる評価では、Cotten4Recは推奨精度の最小限の妥協でメモリとランタイムの大幅な削減を実現し、計算リソースが重要となる、実用的で大規模なシーケンシャルなレコメンデーションシナリオの効率的な代替手段として、Cotten4Recの生存性を実証している。

関連論文リスト

• MALLOC: Benchmarking the Memory-aware Long Sequence Compression for Large Sequential Recommendation [84.53415999381203]
  MALLOCは、メモリを意識したロングシーケンス圧縮のベンチマークである。 最先端のレコメンデータに統合され、再現性と評価のプラットフォームを可能にする。
  論文  参考訳（メタデータ） (2026-01-28T04:11:50Z)
• BlossomRec: Block-level Fused Sparse Attention Mechanism for Sequential Recommendations [29.069570226262073]
  トランスフォーマー構造はシーケンシャルレコメンデータシステム(SRS)で広く使われている。 BlossomRecは、様々な長さのシーケンスで安定したパフォーマンスを達成するために、注意を通して長期と短期の両方のユーザー興味をモデル化する。
  論文  参考訳（メタデータ） (2025-12-15T14:23:57Z)
• CoLSE: A Lightweight and Robust Hybrid Learned Model for Single-Table Cardinality Estimation using Joint CDF [7.945011337356916]
  カーディナリティ推定は、クエリ最適化の重要なコンポーネントである。 単点濃度推定のためのハイブリッド学習手法であるCoLSEを提案する。 実験の結果,CoLSEは精度,トレーニング時間,レイテンシ,モデルサイズにおいて良好なトレードオフを実現し,既存の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-12-14T10:08:20Z)
• RaSeRec: Retrieval-Augmented Sequential Recommendation [27.276639257126664]
  本稿では,RaSeRecという名称のRetrieval-Augmented Sequential Recommendationフレームワークを提案する。 RaSeRecは動的メモリバンクをメンテナンスし、好みのドリフトを許容し、関連するメモリを取得し、ユーザーモデリングを明示的に強化する。 これは、コラボレーティブベースの事前学習(コラボレーティブベース)、レコメンデーションとレコメンデーションを学習する(ii)検索強化微調整(recovery-augmented fine-tuning)、検索された記憶を活用することを学ぶ。
  論文  参考訳（メタデータ） (2024-12-24T12:07:48Z)
• Memory-Efficient 4-bit Preconditioned Stochastic Optimization [53.422307389223626]
  シャンプーのプリコンディショナーに4ビット量子化を導入する。 我々の知る限り、これはプレコンディショナーのチョレスキー因子に適用された最初の量子化手法である。 Cholesky量子化とエラーフィードバックを組み合わせることで、メモリ効率とアルゴリズム性能が向上することを示した。
  論文  参考訳（メタデータ） (2024-12-14T03:32:54Z)
• Consensus-Adaptive RANSAC [104.87576373187426]
  本稿では,パラメータ空間の探索を学習する新しいRANSACフレームワークを提案する。 注意機構は、ポイント・ツー・モデル残差のバッチで動作し、軽量のワンステップ・トランスフォーマーで見いだされたコンセンサスを考慮するために、ポイント・ツー・モデル推定状態を更新する。
  論文  参考訳（メタデータ） (2023-07-26T08:25:46Z)
• Improving Sequential Recommendation Models with an Enhanced Loss Function [9.573139673704766]
  逐次レコメンデーションモデルのための改良された損失関数を開発する。 2つの重要なオープンソースライブラリの実験を行う。 BERT4Recモデルの結果をBeautyデータセット上で再現する。
  論文  参考訳（メタデータ） (2023-01-03T07:18:54Z)
• SreaMRAK a Streaming Multi-Resolution Adaptive Kernel Algorithm [60.61943386819384]
  既存のKRRの実装では、すべてのデータがメインメモリに格納される必要がある。 KRRのストリーミング版であるStreaMRAKを提案する。 本稿では,2つの合成問題と2重振り子の軌道予測について紹介する。
  論文  参考訳（メタデータ） (2021-08-23T21:03:09Z)
• A Generic Network Compression Framework for Sequential Recommender Systems [71.81962915192022]
  シークエンシャルレコメンデーションシステム(SRS)は,ユーザの動的関心を捉え,高品質なレコメンデーションを生成する上で重要な技術となっている。 CpRecと呼ばれる圧縮されたシーケンシャルレコメンデーションフレームワークを提案する。 大規模なアブレーション研究により、提案したCpRecは実世界のSRSデータセットにおいて最大4$sim$8倍の圧縮速度を達成できることを示した。
  論文  参考訳（メタデータ） (2020-04-21T08:40:55Z)

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。