論文の概要: MOSAIC: Multi-Domain Orthogonal Session Adaptive Intent Capture for Prescient Recommendations

• arxiv url: http://arxiv.org/abs/2604.10147v1
• Date: Sat, 11 Apr 2026 10:33:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.871123
• Title: MOSAIC: Multi-Domain Orthogonal Session Adaptive Intent Capture for Prescient Recommendations
• Title（参考訳）: MOSAIC: 早期勧告のための多面的直交セッション適応型インテントキャプチャ
• Authors: Abderaouf Bahi, Mourad Boughaba, Ibtissem Gasmi, Warda Deghmane, Amel Ourici,
• Abstract要約: セッションベースのレコメンデータシステムでは、不均一な振る舞いドメインをまたいだユーザインテントのキャプチャが難しい。 マルチドメイン直交セッション適応インテントキャプチャフレームワークMOSAICを提案する。 我々は、複数のドメインと相互作用タイプにまたがる2つの大規模な実世界のベンチマーク実験を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Capturing user intent across heterogeneous behavioral domains stands as a fundamental challenge in session-based recommender systems. Yet, existing multi-domain approaches frequently fail to isolate the distinct contribution of cross-domain interactions from those arising within individual domains, limiting their ability to build rich and transferable user representations. In this work, we propose MOSAIC, a Multi-Domain Orthogonal Session Adaptive Intent Capture framework that explicitly factorizes user preferences into three orthogonal components: domain-specific, domain-common, and cross-sequence-exclusive representations. Our approach employs a triple-encoder architecture, where each encoder is dedicated to one preference type, enforced through domain masking objectives and adversarial training via a gradient reversal layer. Representational alignment and mutual independence constraints are jointly optimized to ensure clean preference separation. Additionally, a dynamic gating mechanism modulates the relative contribution of each component at every timestep, yielding a unified and temporally adaptive session-level user representation. We conduct extensive experiments on two large-scale real-world benchmarks spanning multiple domains and interaction types. The ablation study validates that each component domain-specific encoding, domain-common modeling, cross-sequence representation, and dynamic gating contributes meaningfully to the overall performance. Experimental results demonstrate that MOSAIC consistently outperforms state-of-the-art baselines in recommendation accuracy, while simultaneously providing interpretable insights into the interplay between domain-specific and cross-domain preference signals. These findings highlight the potential of orthogonal preference decomposition as a principled strategy for next-generation multi-domain recommender systems.
• Abstract（参考訳）: 不均一な振る舞いドメインにまたがってユーザインテントをキャプチャすることは、セッションベースのレコメンデータシステムにおける根本的な課題である。 しかし、既存のマルチドメインアプローチは、個々のドメイン内で発生するものとのクロスドメインインタラクションの明確な貢献を分離することができず、リッチで転送可能なユーザ表現を構築する能力を制限します。 本研究では,ドメイン固有,ドメイン共通,およびクロスシーケンス排他的表現の3つの直交コンポーネントにユーザの嗜好を明示的に分解するマルチドメイン直交セッション適応インテントキャプチャフレームワークであるMOSAICを提案する。 提案手法では,各エンコーダが1つの選好型に特化され,ドメインマスキングの目的と,勾配反転層による対向的トレーニングによって強制される三重エンコーダアーキテクチャを用いる。 表現的アライメントと相互独立性の制約は、クリーンな選好分離を保証するために共同で最適化される。 さらに、動的ゲーティング機構は、各時点における各コンポーネントの相対的なコントリビューションを変調し、統一的で時間順応的なセッションレベルのユーザ表現を生成する。 我々は、複数のドメインと相互作用タイプにまたがる2つの大規模な実世界のベンチマークで広範な実験を行う。 アブレーション研究では、各コンポーネントのドメイン固有エンコーディング、ドメイン共通モデリング、クロスシーケンス表現、動的ゲーティングが全体的なパフォーマンスに有意義に寄与することを検証する。 実験の結果,MOSAICは推奨精度において常に最先端のベースラインを上回り,同時にドメイン固有信号とドメイン間優先信号の相互作用に関する解釈可能な洞察を提供することがわかった。 これらの知見は,次世代マルチドメインレコメンデータシステムの原則的戦略として,直交選好分解の可能性を強調した。

関連論文リスト

• Exploiting Aggregation and Segregation of Representations for Domain Adaptive Human Pose Estimation [50.31351006532924]
  人間のポーズ推定(HPE)は最近、モーション分析、バーチャルリアリティー、ヘルスケア等に広く応用されているため、注目を集めている。 時間と労働集約的なアノテーションのために、ラベル付き現実世界のデータセットが不足している。 本稿では,ドメイン適応型人間のポーズ推定のための表現集約と分離を両立させる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-29T17:59:45Z)
• Towards Robust Cross-Domain Recommendation with Joint Identifiability of User Preference [31.22912313591263]
  クロスドメインレコメンデーション(CDR)研究は、ドメイン共有とドメイン固有のユーザ表現がドメインギャップを緩和し、効果的な知識伝達を促進すると仮定している。 本稿では,ドメイン間のユーザ表現のユニークな対応を確立する共同識別可能性のモデル化を提案する。 本手法は, 相関の弱いタスクであっても, 常に最先端のタスクを超越していることを示す。
  論文  参考訳（メタデータ） (2024-11-26T12:08:06Z)
• 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)
• Improving Anomaly Segmentation with Multi-Granularity Cross-Domain Alignment [17.086123737443714]
  異常セグメンテーションは、画像中の非定型物体を識別する上で重要な役割を担っている。 既存の手法は合成データに顕著な結果を示すが、合成データドメインと実世界のデータドメインの相違を考慮できないことが多い。 シーンと個々のサンプルレベルの両方で、ドメイン間の機能を調和させるのに適した、マルチグラニュラリティ・クロスドメインアライメントフレームワークを導入します。
  論文  参考訳（メタデータ） (2023-08-16T22:54:49Z)
• Domain Generalisation for Object Detection under Covariate and Concept Shift [10.32461766065764]
  ドメインの一般化は、ドメイン固有の特徴を抑えながら、ドメイン不変の機能の学習を促進することを目的としている。 オブジェクト検出のためのドメイン一般化手法を提案し, オブジェクト検出アーキテクチャに適用可能な最初のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-10T11:14:18Z)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Dual Attentive Sequential Learning for Cross-Domain Click-Through Rate Prediction [76.98616102965023]
  クロスドメインレコメンダシステムは、コールドスタートとスパシティの問題に対処するための強力な方法である。 本稿では,二元学習機構に基づくクロスドメインシーケンシャルなレコメンデーション手法を提案する。
  論文  参考訳（メタデータ） (2021-06-05T01:21:21Z)
• Cross-Domain Grouping and Alignment for Domain Adaptive Semantic Segmentation [74.3349233035632]
  深層畳み込みニューラルネットワーク(CNN)内のソースドメインとターゲットドメインにセマンティックセグメンテーションネットワークを適用する既存の技術は、対象ドメイン自身や推定カテゴリ内のクラス間変異を考慮していない。 学習可能なクラスタリングモジュールと、クロスドメイングルーピングとアライメントと呼ばれる新しいドメイン適応フレームワークを導入する。 本手法はセマンティクスセグメンテーションにおける適応性能を一貫して向上させ,様々なドメイン適応設定において最先端を上回っている。
  論文  参考訳（メタデータ） (2020-12-15T11:36:21Z)
• 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。