論文の概要: Bridging Behavior and Semantics for Time-aware Cross-Domain Sequential Recommendation

• arxiv url: http://arxiv.org/abs/2605.02369v1
• Date: Mon, 04 May 2026 09:14:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.209304
• Title: Bridging Behavior and Semantics for Time-aware Cross-Domain Sequential Recommendation
• Title（参考訳）: 時間対応型クロスドメインシーケンスレコメンデーションのためのブリッジング挙動とセマンティックス
• Authors: Zhida Qin, Zemu Liu, Haoyan Fu, Chong Zhang, Tianyu Huang, Yidong Li, Gangyi Ding,
• Abstract要約: BST-CDSR(Time-Aware Cross-Domain Semantics Recommendation)のための行動と意味を橋渡しするフレームワークを提案する。 具体的には、長期的関心と短期的意図を分離した行動選好進化モジュールを設計する。 また,時間的間隔トークンを識別する時間的反事実強化セマンティックジェネレータも導入する。
• 参考スコア（独自算出の注目度）: 25.652940675285098
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-domain sequential recommendation (CDSR) alleviates interaction sparsity by jointly modeling user behaviors across multiple domains. While current studies have made some progresses, they still neglect two issues that severely impact recommendation performance: (i) ignoring domain-specific interaction frequencies and interest decay rates at identical time intervals; (ii) treating semantic preferences as time-invariant during cross-domain transfer. To address these, we propose a novel framework that bridges Behavior and Semantics for Time-aware Cross-Domain Sequential Recommendation (BST-CDSR). Specifically, we design a behavioral preference evolution module that decouples long-term interests and short-term intentions, and models continuous-time preference via a neural ordinary differential equation (ODE) with event-driven updates. Additionally, to capture time-aware semantic preferences, we introduce a temporal counterfactual-enhanced semantic generator that discretizes temporal interval tokens and leverages large language models (LLMs) to extract robust temporal semantics, where counterfactual perturbations enhance the time sensitivity of semantic preferences. Furthermore, we propose a time-preference guided domain transfer module to adaptively control transfer weights and mitigate negative transfer. Extensive experiments on real-world datasets demonstrate that BST-CDSR consistently outperforms baselines.
• Abstract（参考訳）: クロスドメインシーケンシャルレコメンデーション(CDSR)は、複数のドメインにわたるユーザの振る舞いを共同でモデル化することで、インタラクションの疎結合を緩和する。 最近の研究ではいくつかの進歩があったが、推奨パフォーマンスに深刻な影響を及ぼす2つの問題をまだ無視している。 一 ドメイン固有の相互作用周波数及び利子崩壊率を同一の時間間隔で無視すること。 (ii) ドメイン間転送において意味的嗜好を時間不変として扱う。 そこで本稿では,BST-CDSR(Cross-Domain Semantics Recommendation)のための振舞いとセマンティックスを橋渡しする新しいフレームワークを提案する。 具体的には、長期的関心と短期的意図を分離した行動選好進化モジュールを設計し、イベント駆動更新を伴うニューラル常微分方程式(ODE)を介して連続時間選好をモデル化する。 さらに、時間を考慮した意味的嗜好を捉えるために、時間的間隔トークンを識別し、大きな言語モデル(LLM)を活用して頑健な時間的意味論を抽出する時間的対実的意味論生成手法を導入し、対実的摂動は意味的嗜好の時間的感度を高める。 さらに、転送重みを適応的に制御し、負の転送を緩和する、時間参照ガイド付きドメイン転送モジュールを提案する。 実世界のデータセットに関する大規模な実験は、BST-CDSRがベースラインを一貫して上回ることを示した。

関連論文リスト

• MEMTS: Internalizing Domain Knowledge via Parameterized Memory for Retrieval-Free Domain Adaptation of Time Series Foundation Models [51.506429027626005]
  Memory for Time Series (MEMTS) は、時系列予測における検索不要領域適応のための軽量かつプラグアンドプレイ方式である。 MEMTSの鍵となるコンポーネントは知識永続化モジュール(KPM)であり、ドメイン固有の時間力学を内部化する。 このパラダイムシフトにより、MEMTSは定数時間推論とニアゼロレイテンシによる正確なドメイン適応を実現することができる。
  論文  参考訳（メタデータ） (2026-02-14T14:00:06Z)
• Beyond Negative Transfer: Disentangled Preference-Guided Diffusion for Cross-Domain Sequential Recommendation [13.331414627413674]
  DPG-DiffはDisentangled Preference-Guided Diffusion Modelである。 ユーザの好みをドメイン不変およびドメイン固有のコンポーネントに分解し、逆拡散プロセスを共同でガイドする。 複数のメトリクスにまたがって、最先端のベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2025-08-30T06:56:56Z)
• Multivariate Long-term Time Series Forecasting with Fourier Neural Filter [42.60778405812048]
  我々はFNFをバックボーンとして、DBDをアーキテクチャとして導入し、空間時間モデルのための優れた学習能力と最適な学習経路を提供する。 FNFは、局所時間領域とグローバル周波数領域の情報処理を単一のバックボーン内で統合し、空間的モデリングに自然に拡張することを示す。
  論文  参考訳（メタデータ） (2025-06-10T18:40:20Z)
• DRAN: A Distribution and Relation Adaptive Network for Spatio-temporal Forecasting [19.064628208136273]
  本稿では,動的に適応し,時間とともに変化に適応できる分布関係適応ネットワーク(DRAN)を提案する。 正規化非正規化プロセスを可能にする空間因子学習モジュール(SFL)を開発した。 本手法は,気象予報や交通流予測タスクにおける最先端手法より優れている。
  論文  参考訳（メタデータ） (2025-04-02T09:18:43Z)
• FDDet: Frequency-Decoupling for Boundary Refinement in Temporal Action Detection [4.015022008487465]
  大規模な事前訓練されたビデオエンコーダは、背景の乱雑さと無関係なセマンティクスを導入し、コンテキストの混乱と境界に繋がる。 本稿では,事前学習したモデルから得られた雑音のセマンティクスをフィルタリングすることで,行動識別性を向上させる周波数対応デカップリングネットワークを提案する。 本手法は時間的行動検出ベンチマークにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-04-01T10:57:37Z)
• Breaking Determinism: Fuzzy Modeling of Sequential Recommendation Using Discrete State Space Diffusion Model [66.91323540178739]
  シークエンシャルレコメンデーション(SR)は、ユーザーが過去の行動に基づいて興味を持つかもしれない項目を予測することを目的としている。 我々はSRを新しい情報理論の観点から再検討し、逐次モデリング手法がユーザの行動のランダム性と予測不可能性を適切に把握できないことを発見した。 ファジィ情報処理理論に触発された本論文では,制限を克服し,ユーザの関心事の進化をよりよく捉えるために,ファジィなインタラクションシーケンスの組を導入する。
  論文  参考訳（メタデータ） (2024-10-31T14:52:01Z)
• Temporal Context Aggregation Network for Temporal Action Proposal Refinement [93.03730692520999]
  時間的行動提案生成はビデオ理解分野において難しいが重要な課題である。 現在の方法はまだ不正確な時間境界と検索に使用される劣った自信に苦しんでいます。 TCANet は、「ローカルおよびグローバル」な時間的コンテキストアグリゲーションを通じて、高品質のアクション提案を生成するために提案します。
  論文  参考訳（メタデータ） (2021-03-24T12:34:49Z)
• Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
  本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。 具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。 提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
  論文  参考訳（メタデータ） (2020-01-09T10:21:04Z)

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。