論文の概要: PHKT:Personalized Dynamic Hypergraph-enhanced KAN-Transformer for Multi-behavior Sequential Recommendation

• arxiv url: http://arxiv.org/abs/2606.05537v1
• Date: Thu, 04 Jun 2026 00:40:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.452029
• Title: PHKT:Personalized Dynamic Hypergraph-enhanced KAN-Transformer for Multi-behavior Sequential Recommendation
• Title（参考訳）: PHKT:Personalized Dynamic Hypergraph-enhanced Kan-Transformer for Multi-behavior Sequential Recommendation
• Authors: Ruijie Du, Hao Chen, Xin Zhang, Dongjing Wang, Ze Zhang, Xudong Shen, Runze Wu, Dongjin Yu,
• Abstract要約: 本稿では、パーソナライズされたハイパーグラフ強化Kolmogorov-Arnold Network Transformer(PHKT)を提案する。 PHKTは動的ハイパーグラフモジュールであり、ユーザの履歴行動シーケンスに基づいて、アイテム類似性の振る舞い認識重み付けを行う。 トランスフォーマーは、短期的および長期的嗜好の進化をモデル化するための時間的バックボーンとして使用され、フィードフォワードネットワークにおける従来の重み付けを置き換えるためにkanが導入される。
• 参考スコア（独自算出の注目度）: 25.69016563652141
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In multi-behavior recommendation, auxiliary behaviors such as clicks, add-to-cart, and purchases can provide richer supervisory information for predicting target behaviors. Although existing graph and hypergraph methods are capable of modeling high-order relationships among users, items, and behaviors, they still have limitations in heterogeneous semantics, user-specific weighting, and sequence dependency modeling. While standard Transformers excel at sequence modeling, their shared feedforward mapping struggles to accommodate the differentiated requirements of heterogeneous latent patterns in multi-behavior scenarios. To address this, this paper proposes the Personalized Hypergraph-enhanced Kolmogorov-Arnold Network Transformer (PHKT). Specifically, we design a personalized dynamic hypergraph module that performs behavior-aware weighting of item similarities based on users' historical behavior sequences to capture user-specific heterogeneous high-order relationships. Meanwhile, a Transformer is used as the temporal backbone to model the evolution of short- and long-term preferences, and KAN is introduced to replace the traditional MLP in the feedforward network to enhance fine-grained modeling capability for nonlinear responses to different latent patterns. Experiments on three real datasets, Tmall, RetailRocket, and IJCAI, show that PHKT consistently outperforms nine strong baseline models across multiple evaluation metrics, demonstrating its effectiveness in multi-behavior preference modeling and target behavior prediction.
• Abstract（参考訳）: マルチビヘイビアレコメンデーションでは、クリック、追加カート、購入などの補助行動は、ターゲットの振る舞いを予測するためのよりリッチな監視情報を提供することができる。 既存のグラフとハイパーグラフは、ユーザ、アイテム、行動間の高次関係をモデル化できるが、不均一なセマンティクス、ユーザ固有の重み付け、シーケンス依存モデリングには制限がある。 標準的なトランスフォーマーはシーケンスモデリングに優れていますが、共有フィードフォワードマッピングは、マルチビヘイビアシナリオにおける異種潜在パターンの異なる要件を満たすのに苦労しています。 そこで本研究では,Personalized Hypergraph-enhanced Kolmogorov-Arnold Network Transformer (PHKT)を提案する。 具体的には、ユーザ固有の異種高次関係を捉えるために、ユーザの履歴行動シーケンスに基づいて、アイテム類似性の振る舞い認識重み付けを行う、パーソナライズされた動的ハイパーグラフモジュールを設計する。 一方, Transformer は短期的・長期的嗜好の進化をモデル化するための時間的バックボーンとして用いられ, フィードフォワードネットワークにおける従来の MLP を置き換えるためにkan を導入し, 遅延パターンに対する非線形応答の詳細なモデリング機能を向上させる。 Tmall、RetailRocket、IJCAIの3つの実際のデータセットの実験では、PHKTは複数の評価指標で一貫して9つの強力なベースラインモデルより優れており、マルチビヘイビアの嗜好モデルとターゲット行動予測におけるその効果を示している。

関連論文リスト

• Modeling Behavioral Intensity and Transitions for Generative Recommendation [6.240775707942389]
  BITRecは, 選択的依存の活性化を取り入れた, 新規な多行動推薦フレームワークである。 数百万のインタラクションを持つ4つの大規模構造化された行動モデリングデータセットの実験は、複数のメトリクスで15～23%の一貫性のある改善を実現している。
  論文  参考訳（メタデータ） (2026-04-27T13:40:35Z)
• Boundary-Aware Multi-Behavior Dynamic Graph Transformer for Sequential Recommendation [12.787849159490067]
  グラフ構造を動的に洗練する境界対応マルチビヘイビア動的グラフ変換器(MB-DGT)モデルを提案する。 本モデルでは,ユーザ嗜好モデリングのためのトランスフォーマーに基づく動的グラフアグリゲータを用いて,変更グラフ構造とユーザ行動のシーケンスを同調する。 モデル最適化のために,ユーザ固有の多行動損失関数を実装し,異なる行動間の利害境界を明確にし,ユーザ好みのパーソナライズされた学習を充実させる。
  論文  参考訳（メタデータ） (2026-02-11T03:53:08Z)
• Merge and Guide: Unifying Model Merging and Guided Decoding for Controllable Multi-Objective Generation [49.98025799046136]
  Merge-And-GuidEは、ガイド付きデコーディングにモデルマージを利用する2段階のフレームワークである。 ステージ1では、MAGEはガイダンスとベースモデルの互換性の問題を解決する。 ステージ2では、明示的で暗黙的な値モデルを統一的なガイダンスプロキシにマージします。
  論文  参考訳（メタデータ） (2025-10-04T11:10:07Z)
• Continuous Language Model Interpolation for Dynamic and Controllable Text Generation [6.280884105594514]
  私たちは、モデルが多様な、そしてしばしば変化する、ユーザの好みに動的に適応しなければならない、困難なケースに注目します。 線形重みに基づく適応手法を活用し、連続的なマルチドメイン補間子としてキャストする。 重みの変化がモデル出力の予測可能かつ一貫した変化をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-04-10T15:55:07Z)
• Multi-Behavior Hypergraph-Enhanced Transformer for Sequential Recommendation [33.97708796846252]
  短期および長期のクロスタイプの振る舞い依存を捉えるために,新しいMBHT(Multi-Behavior Hypergraph-enhanced Transformer framework)を導入する。 具体的には、多スケールトランスフォーマーは、細粒度および粗粒度から振舞い対応のシーケンシャルパターンを共同符号化するために、低ランクの自己アテンションを備える。
  論文  参考訳（メタデータ） (2022-07-12T15:07:21Z)
• Multi-Behavior Sequential Recommendation with Temporal Graph Transformer [66.10169268762014]
  マルチビヘイビア・インタラクティブなパターンを意識した動的ユーザ・イテム関係学習に取り組む。 本稿では,動的短期および長期のユーザ・イテム対話パターンを共同でキャプチャする,TGT(Temporal Graph Transformer)レコメンデーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-06T15:42:54Z)
• Dynamically-Scaled Deep Canonical Correlation Analysis [77.34726150561087]
  カノニカル相関解析 (CCA) は, 2つのビューの特徴抽出手法である。 本稿では,入力依存の正準相関モデルをトレーニングするための新しい動的スケーリング手法を提案する。
  論文  参考訳（メタデータ） (2022-03-23T12:52:49Z)
• TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
  我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。 我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
  論文  参考訳（メタデータ） (2021-05-17T15:33:25Z)

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。