論文の概要: Breaking the Information Silo: Semantic Personas for Cross-Domain Recommendation

• arxiv url: http://arxiv.org/abs/2606.01783v1
• Date: Mon, 01 Jun 2026 07:04:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.479059
• Title: Breaking the Information Silo: Semantic Personas for Cross-Domain Recommendation
• Title（参考訳）: 情報サイロを破る: クロスドメインレコメンデーションのための意味的ペルソナ
• Authors: Jonathan Mayo, Moshe Unger, Konstantin Bauman,
• Abstract要約: クロスドメインレコメンダシステムは、ソースドメインからターゲットドメインへの知識の転送によって制限を克服しようとする。 本研究では,厳密な不整合領域間での推薦知識伝達を可能にする設計成果物であるSPHEREを提案する。 SPHEREは、大きな言語モデルを使用して、共通の行動語彙を誘導し、ユーザのための構造化されたセマンティックペルソナを生成し、行動に類似したソースドメインコミュニティを検索する。
• 参考スコア（独自算出の注目度）: 0.5225254533678074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital platforms increasingly operate as isolated information silos, limiting their ability to construct comprehensive user representations across domains. Cross-domain recommender systems seek to overcome this limitation by transferring knowledge from a source domain to a target domain, yet most existing approaches depend on shared users, shared items, or structurally similar interaction graphs. These assumptions are often unrealistic across independent platforms. We propose SPHERE (Semantic Personas for Heterogeneous cross-domain Recommendation), a design artifact that enables recommendation knowledge transfer across strictly disjoint domains with no shared users or items. Rather than aligning domains through identity or graph structure, SPHERE uses large language models to induce a shared behavioral vocabulary, generate structured semantic personas for users, and retrieve behaviorally similar source-domain communities that form a Community Source Persona. This semantic signal is integrated with collaborative signals through a dual-tower architecture and dynamic fusion gate, allowing SPHERE to augment standard recommender backbones. Empirical evaluation across Amazon Books, Goodreads, and Steam demonstrates consistent improvements over NCF, SVD++, and LightGCN baselines under full-ranking evaluation. The results show that cross-domain transfer effectiveness is not determined solely by semantic proximity between domains; rather, it depends critically on the structural density and native predictive strength of the target domain. The study contributes to information systems research by reframing cross-domain personalization as behavior-based semantic alignment, offering a practical mechanism for overcoming information silos while preserving interpretability and modularity.
• Abstract（参考訳）: デジタルプラットフォームは、分離された情報サイロとして機能し、ドメイン全体にわたる包括的なユーザ表現を構築する能力を制限している。 クロスドメインレコメンダシステムは、ソースドメインからターゲットドメインに知識を移すことによって、この制限を克服しようとするが、既存のアプローチのほとんどは、共有ユーザ、共有アイテム、構造的に類似した相互作用グラフに依存している。 これらの仮定は、しばしば独立したプラットフォーム間で非現実的である。 本研究では,共有ユーザや項目を伴わない厳密な領域間での推奨知識伝達を可能にするデザインアーティファクトであるSPHEREを提案する。 SPHEREは、アイデンティティやグラフ構造を通じてドメインを整列させるのではなく、大きな言語モデルを使用して、共有された振る舞いの語彙を誘導し、ユーザのための構造化されたセマンティックペルソナを生成し、コミュニティソースペルソナを形成する行動に類似したソースドメインコミュニティを検索する。 このセマンティック信号は、デュアルトウワーアーキテクチャとダイナミックフュージョンゲートを通じて協調的な信号と統合され、SPHEREは標準の推奨バックボーンを増強する。 Amazon Books、Goodreads、Steamでの実証的な評価は、フルレベルの評価の下で、NCF、SVD++、LightGCNベースラインに対する一貫性のある改善を示している。 その結果,ドメイン間のセマンティックな近接によってのみクロスドメイン転送の有効性が決定されるのではなく,対象ドメインの構造密度とネイティブな予測強度に依存することが明らかとなった。 この研究は、ドメイン間のパーソナライゼーションを行動に基づくセマンティックアライメントとして再定義し、解釈可能性とモジュール性を維持しながら情報サイロを克服する実践的なメカニズムを提供する情報システム研究に貢献する。

関連論文リスト

• FedCRF: A Federated Cross-domain Recommendation Method with Semantic-driven Deep Knowledge Fusion [11.371836852388205]
  本稿では,深部知識融合(FedCRF)を用いたフェデレーテッドクロスドメイン勧告手法を提案する。 テキストセマンティクスをクロスドメインブリッジとして使用することにより、フェデレーションされたセマンティクス学習を通じてドメイン間の知識伝達を実現する。 複数の実世界のデータセットに対する実験結果から、FedCRFはRecall@20とNDCG@20で既存の手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-04-20T00:37:40Z)
• From Clues to Generation: Language-Guided Conditional Diffusion for Cross-Domain Recommendation [8.759054108541394]
  クロスドメインレコメンデーション(CDR)は、複数のドメイン間の相関を利用してデータの分散を緩和する。 本稿では,Language-Guided Conditional Diffusion for CDR (LGCD)を提案する。
  論文  参考訳（メタデータ） (2026-04-07T03:05:22Z)
• DisCo: Graph-Based Disentangled Contrastive Learning for Cold-Start Cross-Domain Recommendation [11.61586672399166]
  クロスドメインレコメンデーション(CDR)が有望なソリューションとして登場した。 しかし、ソースドメインに類似した好みを持つユーザは、ターゲットドメインに対して異なる関心を示す可能性がある。 そこで本稿では,ユーザ意図の微粒化を捉えるために,グラフに基づく非交叉型コントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-19T16:20:42Z)
• Exploring User Retrieval Integration towards Large Language Models for Cross-Domain Sequential Recommendation [66.72195610471624]
  Cross-Domain Sequential Recommendationは、異なるドメイン間でユーザのシーケンシャルな好みをマイニングし、転送することを目的としている。 本稿では,ユーザ検索手法を探索し,CDSRの性能向上を目的とした URLLM という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） (2024-06-05T09:19:54Z)
• StyDeSty: Min-Max Stylization and Destylization for Single Domain Generalization [85.18995948334592]
  単一のドメインの一般化(単一DG)は、単一のトレーニングドメインからのみ見えないドメインに一般化可能な堅牢なモデルを学ぶことを目的としている。 最先端のアプローチは、主に新しいデータを合成するために、敵対的な摂動やスタイルの強化といったデータ拡張に頼っている。 データ拡張の過程で、ソースと擬似ドメインのアライメントを明示的に考慮したemphStyDeStyを提案する。
  論文  参考訳（メタデータ） (2024-06-01T02:41:34Z)
• Cross-domain Recommender Systems via Multimodal Domain Adaptation [2.306402684958048]
  コラボレーティブ・フィルタリング(CF)は、レコメンダ・システムを構築するための最も顕著な実装戦略の1つです。 クロスドメインCFは、複数のドメインにまたがる共通のエンティティ(ユーザまたはアイテム)を見つけることで、データ疎結合の問題を軽減する。 本稿では,ドメイン間のエンティティの埋め込みを整合させるドメイン適応手法を提案する。
  論文  参考訳（メタデータ） (2023-06-24T07:27:43Z)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• Learning to Combine: Knowledge Aggregation for Multi-Source Domain Adaptation [56.694330303488435]
  マルチソースドメイン適応(LtC-MSDA)フレームワークを併用する学習法を提案する。 簡単に言うと、知識グラフは様々なドメインのプロトタイプ上に構築され、セマンティックに隣接した表現間の情報伝達を実現する。 我々のアプローチは、既存の手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2020-07-17T07:52:44Z)

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。