論文の概要: Sensory-Aware Sequential Recommendation via Review-Distilled Representations
- arxiv url: http://arxiv.org/abs/2603.02709v1
- Date: Tue, 03 Mar 2026 08:00:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-04 21:38:10.698689
- Title: Sensory-Aware Sequential Recommendation via Review-Distilled Representations
- Title（参考訳）: レビュー・ディスタンス・レコメンデーションによる感覚認識型シーケンス・レコメンデーション
- Authors: Yeo Chan Yoon,
- Abstract要約: 本稿では, 商品レビューから言語的に抽出された感覚属性を用いて, 商品表現を充実させる, センセーショナル・アウェア・シーケンシャル・レコメンデーションのための新しいフレームワークを提案する。
筆者らのアプローチであるtextscASEGR (Attribute-based Sensory Enhanced Generative Recommendation) では,大規模言語モデルを教師として微調整し,構造化された属性-値対を抽出する2段階のパイプラインを導入する。
抽出した構造体を小型の学生変圧器に蒸留し、各項目に対して固定次元の感覚埋め込みを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel framework for sensory-aware sequential recommendation that enriches item representations with linguistically extracted sensory attributes from product reviews. Our approach, \textsc{ASEGR} (Attribute-based Sensory Enhanced Generative Recommendation), introduces a two-stage pipeline in which a large language model is first fine-tuned as a teacher to extract structured sensory attribute--value pairs, such as \textit{color: matte black} and \textit{scent: vanilla}, from unstructured review text. The extracted structures are then distilled into a compact student transformer that produces fixed-dimensional sensory embeddings for each item. These embeddings encode experiential semantics in a reusable form and are incorporated into standard sequential recommender architectures as additional item-level representations. We evaluate our method on four Amazon domains and integrate the learned sensory embeddings into representative sequential recommendation models, including SASRec, BERT4Rec, and BSARec. Across domains, sensory-enhanced models consistently outperform their identifier-based counterparts, indicating that linguistically grounded sensory representations provide complementary signals to behavioral interaction patterns. Qualitative analysis further shows that the extracted attributes align closely with human perceptions of products, enabling interpretable connections between natural language descriptions and recommendation behavior. Overall, this work demonstrates that sensory attribute distillation offers a principled and scalable way to bridge information extraction and sequential recommendation through structured semantic representation learning.
- Abstract（参考訳）: 本稿では, 商品レビューから言語的に抽出された感覚属性を用いて, 商品表現を充実させる, センセーショナル・アウェア・シーケンシャル・レコメンデーションのための新しいフレームワークを提案する。
我々のアプローチである「textsc{ASEGR} (Attribute-based Sensory Enhanced Generative Recommendation)」では、構造化されていないレビューテキストから「textit{color: matte black}」や「textit{scent: vanilla}」といった構造化された属性-値ペアを抽出する教師として、大きな言語モデルが最初に微調整された2段階のパイプラインを導入している。
抽出した構造体を小型の学生変圧器に蒸留し、各項目に対して固定次元の感覚埋め込みを生成する。
これらの埋め込みは、経験的セマンティクスを再利用可能な形式でエンコードし、アイテムレベルの表現として標準のシーケンシャルなレコメンデータアーキテクチャに組み込まれる。
SSRec,BERT4Rec,BSARecを含む4つのAmazonドメイン上での手法の評価を行い,学習された感覚埋め込みを代表的なレコメンデーションモデルに統合した。
ドメイン全体にわたって、知覚強化モデルは識別子ベースのモデルよりも一貫して優れており、言語的に基底付けられた感覚表現が行動相互作用パターンに相補的なシグナルを与えることを示している。
質的分析により、抽出された属性は製品の人間の知覚と密接に一致し、自然言語記述とレコメンデーション行動の間の解釈可能な接続を可能にすることが示された。
全体として,感覚属性の蒸留は,構造化意味表現学習を通じて情報抽出と逐次推薦をブリッジする方法として,原則的かつスケーラブルな方法を提供することを示す。
関連論文リスト
- Give Users the Wheel: Towards Promptable Recommendation Paradigm [21.39017335979666]
Decoupled Promptable Sequential Recommendation (DPR)は、従来のシーケンシャルバックボーンにPromptable Recommendationをサポートするためのモデルに依存しないフレームワークである。
DPRは、潜在ユーザ表現を検索空間内で直接変調する。
プロンプト誘導タスクにおいて、最先端のベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-02-21T18:41:28Z) - TeachPro: Multi-Label Qualitative Teaching Evaluation via Cross-View Graph Synergy and Semantic Anchored Evidence Encoding [12.647867305450289]
5つの重要な教科を体系的に評価する多言語学習フレームワークであるTeachProを提案する。
まず,3つのコアコンポーネントを統合するDmension-Anchored Evidenceを提案する。
次に,学生のコメントを表現できるクロスビューグラフ合成ネットワークを提案する。
論文 参考訳（メタデータ） (2026-01-14T07:27:57Z) - Towards Bridging Review Sparsity in Recommendation with Textual Edge Graph Representation [28.893058826607735]
本稿では,意味的信号と構造的信号とを共同でモデル化することで,欠落レビューを示唆する統一的なフレームワークを提案する。
AmazonとGoodreadsデータセットの実験は、TWISTERが従来の数値、グラフベース、LLMベースラインを一貫して上回っていることを示している。
要約すると、TWISTERはより有用で、本物で、特定のレビューを生成し、構造的なシグナルを滑らかにすることで推奨を改善する。
論文 参考訳（メタデータ） (2025-08-02T00:53:40Z) - Universal Item Tokenization for Transferable Generative Recommendation [89.42584009980676]
本稿では、転送可能な生成レコメンデーションのためのユニバーサルアイテムトークン化手法であるUTGRecを提案する。
木構造コードブックを考案することにより、コンテンツ表現をアイテムトークン化のための対応するコードに識別する。
生のコンテンツ再構成には、アイテムテキストとイメージを離散表現から再構成するために、デュアルライトウェイトデコーダを用いる。
協調的知識統合においては,共起的アイテムが類似していると仮定し,共起的アライメントと再構築を通じて協調的信号を統合する。
論文 参考訳（メタデータ） (2025-04-06T08:07:49Z) - LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [78.73711446918814]
我々は,属性ベースのテキスト知識を活用するために,アクシデントチューニング戦略を採用した,AG-ReIDのためのLATexという新しいフレームワークを提案する。
我々のフレームワークは属性ベースのテキスト知識をフル活用してAGReIDの性能を向上させることができる。
論文 参考訳（メタデータ） (2025-03-31T04:47:05Z) - 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) - BERM: Training the Balanced and Extractable Representation for Matching
to Improve Generalization Ability of Dense Retrieval [54.66399120084227]
本稿では,BERMと呼ばれるマッチング信号の取得により,高密度検索の一般化を改善する手法を提案する。
センス検索は、ドメイン内のラベル付きデータセットでトレーニングされた場合、第1段階の検索プロセスにおいて有望であることが示されている。
論文 参考訳（メタデータ） (2023-05-18T15:43:09Z) - Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual
Recognition [57.08108545219043]
サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。
既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。
本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
論文 参考訳（メタデータ） (2023-05-12T00:13:17Z) - Transition-based Abstract Meaning Representation Parsing with Contextual
Embeddings [0.0]
本研究では,意味解析のタスクにおいて,言語モデルと記号意味論の定式化という,言語の意味への最も成功したルートを2つ組み合わせる手法について検討する。
本稿では,事前学習した文脈認識単語の埋め込み(BERTやRoBERTaなど)を解析問題に組み込むことの有用性について検討する。
論文 参考訳（メタデータ） (2022-06-13T15:05:24Z) - Discovering Personalized Semantics for Soft Attributes in Recommender
Systems using Concept Activation Vectors [34.56323846959459]
インタラクティブなレコメンデータシステムは、ユーザがよりリッチな方法で意図、好み、制約、コンテキストを表現することを可能にする。
課題の1つは、ユーザのセマンティックな意図を、しばしば望ましい項目を記述するために使用されるオープンエンドの用語や属性から推測することである。
このような属性のセマンティクスを捉える表現を学習し、それをレコメンデーションシステムにおけるユーザの好みや行動に結びつけるためのフレームワークを開発する。
論文 参考訳（メタデータ） (2022-02-06T18:45:15Z) - Transferring Semantic Knowledge Into Language Encoders [6.85316573653194]
意味的意味表現から言語エンコーダへ意味的知識を伝達する手法である意味型ミッドチューニングを導入する。
このアライメントは分類や三重項の損失によって暗黙的に学習できることを示す。
提案手法は, 推論, 理解, テキストの類似性, その他の意味的タスクにおいて, 予測性能の向上を示す言語エンコーダを生成する。
論文 参考訳（メタデータ） (2021-10-14T14:11:12Z) - SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item
Recommendation [48.1799451277808]
本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。
まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。
そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
論文 参考訳（メタデータ） (2021-08-18T08:04:38Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z)
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。