論文の概要: Multi-TAP: Multi-criteria Target Adaptive Persona Modeling for Cross-Domain Recommendation

• arxiv url: http://arxiv.org/abs/2603.07086v1
• Date: Sat, 07 Mar 2026 07:48:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.800644
• Title: Multi-TAP: Multi-criteria Target Adaptive Persona Modeling for Cross-Domain Recommendation
• Title（参考訳）: Multi-TAP:Multi-criteria Target Adaptive Persona Modeling for Cross-Domain Recommendation
• Authors: Daehee Kang, Yeon-Chang Lee,
• Abstract要約: クロスドメインレコメンデーションは、ドメイン間で知識を伝達することでデータの疎結合を緩和することを目的としている。 マルチアダプティブ・ターゲット・アダプティブ・ペルソナ・フレームワークであるMulti-TAPを提案する。 実世界のデータセットの実験では、Multi-TAPは最先端のCDRメソッドよりも一貫して優れています。
• 参考スコア（独自算出の注目度）: 8.136658362570403
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-domain recommendation (CDR) aims to alleviate data sparsity by transferring knowledge across domains, yet existing methods primarily rely on coarse-grained behavioral signals and often overlook intra-domain heterogeneity in user preferences. We propose Multi-TAP, a multi-criteria target-adaptive persona framework that explicitly captures such heterogeneity through semantic persona modeling. To enable effective transfer, Multi-TAP selectively incorporates source-domain signals conditioned on the target domain, preserving relevance during knowledge transfer. Experiments on real-world datasets demonstrate that Multi-TAP consistently outperforms state-of-the-art CDR methods, highlighting the importance of modeling intra-domain heterogeneity for robust cross-domain recommendation. The codebase of Multi-TAP is currently available at https://github.com/archivehee/Multi-TAP.
• Abstract（参考訳）: クロスドメインレコメンデーション(CDR)は、ドメイン間で知識を伝達することでデータの疎結合を軽減することを目的としている。 セマンティック・ペルソナ・モデリングにより,このような不均一性を明示的にキャプチャする多基準ターゲット適応ペルソナ・フレームワークであるMulti-TAPを提案する。 効果的な転送を可能にするために、Multi-TAPは、ターゲットドメインに条件付きソースドメイン信号を選択的に組み込んで、知識転送時の関連性を保存する。 実世界のデータセットの実験では、Multi-TAPは最先端のCDRメソッドよりも一貫して優れており、堅牢なドメイン横断リコメンデーションのためにドメイン内不均一性をモデル化することの重要性を強調している。 Multi-TAPのコードベースは現在https://github.com/archivehee/Multi-TAPで公開されている。

関連論文リスト

• FeDecider: An LLM-Based Framework for Federated Cross-Domain Recommendation [75.50721642765994]
  大規模言語モデル(LLM)ベースのレコメンデーションモデルは、素晴らしいパフォーマンスを示している。 We propose a LLM-based framework for Federated cross- domain recommendation, FeDecider。 多様なデータセットにわたる大規模な実験により、提案したFeDeciderの有効性が検証された。
  論文  参考訳（メタデータ） (2026-02-17T21:42:28Z)
• Generative Multi-Target Cross-Domain Recommendation [48.54929268144516]
  本稿では、多目的クロスドメインレコメンデーションのためのジェネレーティブパラダイムベースのアプローチであるGCCを紹介する。 GMCの中核となる考え方は、意味的に定量化された離散アイテム識別子を多分野知識を統合する媒体として活用することである。 5つの公開データセットに関する大規模な実験は、GCCの有効性を実証している。
  論文  参考訳（メタデータ） (2025-07-17T07:44:05Z)
• Multisource Collaborative Domain Generalization for Cross-Scene Remote Sensing Image Classification [57.945437355714155]
  クロスシーン画像分類は, 異なる分布領域のアノテート領域に, 地中物質の事前の知識を伝達することを目的としている。 既存のアプローチでは、未確認のターゲットドメインへの単一ソースドメインの一般化に重点を置いている。 マルチソースリモートセンシングデータの均一性と不均一性特性に基づく,新しいマルチソース協調型ドメイン一般化フレームワーク(MS-CDG)を提案する。
  論文  参考訳（メタデータ） (2024-12-05T06:15:08Z)
• A Centralized-Distributed Transfer Model for Cross-Domain Recommendation Based on Multi-Source Heterogeneous Transfer Learning [7.522103690277754]
  クリックスルーレート(CTR)推定における疎度問題に対処するために,クロスドメインレコメンデーション(CDR)手法を提案する。 既存のCDRメソッドは、ソースドメインからターゲットドメインに直接知識を転送し、ドメイン間の不均一性を無視する。 マルチソースヘテロジニアストランスファー学習に基づくCDRのための集中分散トランスファーモデル(CDTM)を提案する。
  論文  参考訳（メタデータ） (2024-11-14T08:53:23Z)
• MDAP: A Multi-view Disentangled and Adaptive Preference Learning Framework for Cross-Domain Recommendation [63.27390451208503]
  クロスドメインレコメンデーションシステムは、マルチドメインユーザインタラクションを活用してパフォーマンスを向上させる。 マルチビュー・ディスタングル・アダプティブ・プライスラーニング・フレームワークを提案する。 当社のフレームワークはマルチビューエンコーダを使用して,多様なユーザの好みをキャプチャする。
  論文  参考訳（メタデータ） (2024-10-08T10:06:45Z)
• FedHCDR: Federated Cross-Domain Recommendation with Hypergraph Signal Decoupling [15.159012729198619]
  我々は,ハイパーグラフ信号デカップリングを用いた新しいクロスドメイン勧告フレームワークであるFedHCDRを提案する。 本研究では,ハイパーグラフ信号デカップリング(HSD)と呼ばれる手法を導入し,ユーザ特徴をドメイン排他的・ドメイン共有的特徴に分離する。 3つの実世界のシナリオで実施された大規模な実験は、FedHCDRが既存のベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2024-03-05T03:40:39Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)

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。