論文の概要: Social Knowledge for Cross-Domain User Preference Modeling

• arxiv url: http://arxiv.org/abs/2603.10148v1
• Date: Tue, 10 Mar 2026 18:33:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.655089
• Title: Social Knowledge for Cross-Domain User Preference Modeling
• Title（参考訳）: クロスドメインなユーザ嗜好モデリングのための社会的知識
• Authors: Nir Lotan, Adir Solomon, Ido Guy, Einat Minkov,
• Abstract要約: 本研究では,大規模ソーシャルモデリングを用いて,トピック領域間でのユーザの嗜好を表現・予測できることを示す。 ソーシャル空間におけるユーザと人気エンティティの両方を表現することにより、候補エンティティの関連性を評価することができる。 リンク予測実験を用いた包括的評価により, ゼロショット設定における効果的なパーソナライズを実現することを示す。
• 参考スコア（独自算出の注目度）: 6.187104213627994
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We demonstrate that user preferences can be represented and predicted across topical domains using large-scale social modeling. Given information about popular entities favored by a user, we project the user into a social embedding space learned from a large-scale sample of the Twitter (now X) network. By representing both users and popular entities in a joint social space, we can assess the relevance of candidate entities (e.g., music artists) using cosine similarity within this embedding space. A comprehensive evaluation using link prediction experiments shows that this method achieves effective personalization in zero-shot setting, when no user feedback is available for entities in the target domain, yielding substantial improvements over a strong popularity-based baseline. In-depth analysis further illustrates that socio-demographic factors encoded in the social embeddings are correlated with user preferences across domains. Finally, we argue and demonstrate that the proposed approach can facilitate social modeling of end users using large language models (LLMs).
• Abstract（参考訳）: 本研究では,大規模ソーシャル・モデリングを用いて,トピック・ドメインにまたがってユーザの好みを表現・予測できることを実証する。 ユーザから好まれる人気エンティティに関する情報から、Twitter(現在のX)ネットワークの大規模なサンプルから学んだソーシャル埋め込みスペースに、ユーザを投影する。 ソーシャル空間におけるユーザとポピュラーなエンティティの両方を表現することにより、この埋め込み空間内でのコサイン類似性を用いて、候補エンティティ(例えば音楽アーティスト)の関連性を評価することができる。 リンク予測実験を用いた包括的評価により,ターゲットドメイン内のエンティティに対してユーザフィードバックが得られない場合,ゼロショット設定での効果的なパーソナライズを実現し,高い人気ベースラインに対する大幅な改善が得られた。 奥行き分析により、社会的埋め込みに符号化された社会デマトグラフィー要因が、ドメイン間でのユーザの好みと相関していることが示される。 最後に,提案手法が大規模言語モデル(LLM)を用いたエンドユーザのソーシャルモデリングを促進することを議論し,実証する。

関連論文リスト

• Transferable and Forecastable User Targeting Foundation Model [37.50233807898246]
  本稿では,ファウンデーションモデルであるFOUNDを提案する。 本フレームワークはヘテロジニアスなマルチシナリオユーザデータを統合し,要求入力をターゲットとしたワンセンスデータと整合する。 このアプローチは、クロスドメインな現実世界のユーザターゲットシナリオにおいて、既存のベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2024-12-17T02:05:09Z)
• Cross-domain Transfer of Valence Preferences via a Meta-optimization Approach [17.545983294377958]
  CVPMはメタラーニングと自己教師型学習のハイブリッドアーキテクチャとして、ドメイン間の関心伝達を形式化する。 ユーザの好みに対する深い洞察を得て、差別化されたエンコーダを使って分布を学習する。 特に、各ユーザのマッピングを共通の変換とパーソナライズされたバイアスの2つの部分として扱い、そこでは、パーソナライズされたバイアスを生成するネットワークがメタラーナーによって出力される。
  論文  参考訳（メタデータ） (2024-06-24T10:02:24Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)
• Domain-based user embedding for competing events on social media [4.984601297028257]
  本稿では,URLドメイン共起ネットワークに基づくユーザ埋め込み手法を提案する。 このアプローチは、政治的キャンペーンや公衆衛生危機などの競合イベントに関わるソーシャルメディア利用者を効果的に表現する。
  論文  参考訳（メタデータ） (2023-08-28T18:01:14Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction [59.221668173521884]
  本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。 エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
  論文  参考訳（メタデータ） (2022-04-18T09:25:06Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)
• CATN: Cross-Domain Recommendation for Cold-Start Users via Aspect Transfer Network [49.35977893592626]
  コールドスタートユーザのためのアスペクト転送ネットワークによるクロスドメインレコメンデーションフレームワーク(CATN)を提案する。 CATNは、レビュー文書から各ユーザと各アイテムの複数のアスペクトを抽出し、注意機構を用いてドメイン間のアスペクト相関を学習する。 実世界のデータセットでは、提案したCATNは、評価予測精度の点でSOTAモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-05-21T10:05:19Z)
• DiffNet++: A Neural Influence and Interest Diffusion Network for Social Recommendation [50.08581302050378]
  ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。 ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。 本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
  論文  参考訳（メタデータ） (2020-01-15T08:45:34Z)

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。