論文の概要: TRUST: Item-Calibrated Interval Evidence for Temporal Session-Based Recommendation

• arxiv url: http://arxiv.org/abs/2606.27214v1
• Date: Thu, 25 Jun 2026 16:05:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.341436
• Title: TRUST: Item-Calibrated Interval Evidence for Temporal Session-Based Recommendation
• Title（参考訳）: TRUST: 一時セッションベース勧告のための項目キャリブレーションによるインターバルエビデンス
• Abstract要約: 本稿では,それぞれの観測間隔を,対応する項目の経験間隔分布と比較して評価する枠組みを提案する。 実験により,提案したスコアリング関数は,モデルに依存しない手法として,既存の時間的セッションレコメンデータを改善することができることが示された。
• 参考スコア（独自算出の注目度）: 9.041970067606773
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Temporal signals have been widely used in session-based recommendation to infer user interest. Existing temporal session-based recommenders primarily rely on absolute interval values, implicitly assuming that the same interval carries similar interest signals across items. However, we empirically find that this assumption does not hold: each item has its own interval distribution, so an interval should be interpreted relative to the item it belongs to. Based on this observation, we propose TRUST, a framework that evaluates each observed interval relative to the empirical interval distribution of the corresponding item. Specifically, we propose a score function to guide global neighbor sampling, session graph encoding, and final interest aggregation. Experiments on public datasets show that TRUST consistently improves over representative temporal and non-temporal baselines, and plug-in experiments further show that the proposed scoring function can improve existing temporal session recommenders as a model-agnostic method. Component-wise ablations further show that calibrating the temporal signals within each module, rather than removing the module itself, consistently improves neighbor sampling, session graph encoding, and interest aggregation.
• Abstract（参考訳）: テンポラルシグナルは、ユーザ関心を推測するためのセッションベースのレコメンデーションで広く使われている。 既存の時間セッションベースのレコメンダは主に絶対間隔の値に依存しており、同じインターバルがアイテム間で同様の関心信号を持っていることを暗黙的に仮定している。 しかし、経験的にこの仮定は成り立たない: 各項目はそれぞれの区間分布を持つので、ある区間は属する項目に対して解釈されるべきである。 そこで本研究では,TRUSTを提案する。TRUSTは,対応する項目の経験的間隔分布に対して,各観測間隔を評価するフレームワークである。 具体的には、グローバルな隣人サンプリング、セッショングラフエンコーディング、最終利子集約を導くスコア関数を提案する。 公開データセット上での実験では,TRUSTは時間的および非時間的ベースラインよりも一貫して改善され,プラグイン実験により,提案したスコアリング関数がモデルに依存しない手法として既存の時間的セッションレコメンデータを改善できることが示されている。 コンポーネントワイドの短縮により、モジュール自体を削除するのではなく、各モジュール内の時間信号の校正が、隣のサンプリング、セッショングラフエンコーディング、関心集約を一貫して改善していることが示される。

関連論文リスト

• Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
  重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。 マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。 SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
  論文  参考訳（メタデータ） (2026-06-01T15:58:13Z)
• Learning Hyperspherical Time-Frequency Representations for Time-Series Out-of-Distribution Detection [0.2160500132391863]
  本研究は,超球面埋め込みを用いた表現学習として時系列OOD検出を定式化する。 学習された表現は、ドメイン固有のエンコーダを介して入力信号の時間領域と周波数領域のビューを組み合わせる。 クロスデータセットプロトコルを用いて,UCRとUEAの時系列アーカイブを大規模に評価する。
  論文  参考訳（メタデータ） (2026-05-29T11:04:34Z)
• TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
  ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。 現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
  論文  参考訳（メタデータ） (2026-05-11T13:23:14Z)
• FEDIN: Frequency-Enhanced Deep Interest Network for Click-Through Rate Prediction [56.59654766009799]
  ユーザ注意スコアは、正または負のターゲット項目に条件付けされた場合、異なるスペクトルエントロピー分布を示す。 本稿では,周波数拡張型深層関心ネットワーク(FEDIN)を提案する。 FEDINは、最先端のレコメンデーションベースラインを一貫して上回り、ノイズに対する優れた堅牢性を示している。
  論文  参考訳（メタデータ） (2026-05-03T05:50:36Z)
• Exploiting Inter-Session Information with Frequency-enhanced Dual-Path Networks for Sequential Recommendation [13.302194364808514]
  本稿では、シーケンシャルレコメンデーションのための周波数拡張デュアルパスネットワークであるFreqRecを提案する。 FreqRecは、学習可能な周波数ドメイン多層パーセプトロンを介して、セッション間およびセッション内動作をキャプチャする。 クロスエントロピーと周波数領域の整合性損失を組み合わせた合成目的の下で最適化されている。
  論文  参考訳（メタデータ） (2025-11-09T08:39:26Z)
• Similarity-Based Supervised User Session Segmentation Method for Behavior Logs [0.6524460254566904]
  動作埋め込みと属性から導出した類似性特徴に基づく教師付きセッションセグメンテーション手法を提案する。 実際の閲覧履歴から手動で注釈付きデータセットを構築し,F1スコア,PR-AUC,ROC-AUCを用いてセグメンテーション性能を評価する。
  論文  参考訳（メタデータ） (2025-08-22T05:47:42Z)
• Not Just What, But When: Integrating Irregular Intervals to LLM for Sequential Recommendation [4.929399529593514]
  購入項目間の時間間隔は、シーケンシャルなレコメンデーションタスクにおいて重要な要素である。 インターバル情報をLLMに統合するフレームワークであるIntervalLLMを提案する。 実験の結果, IntervalLLMは平均4.4%の改善が得られたが, 最高性能の温冷シナリオも達成できた。
  論文  参考訳（メタデータ） (2025-07-31T03:05:05Z)
• MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
  時系列予測は、周波数の異なる周期特性から導かれる。 マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。 主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-03-11T11:40:14Z)
• Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
  我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。 我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。 実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
  論文  参考訳（メタデータ） (2024-04-04T11:32:03Z)
• Exogenous Data in Forecasting: FARM -- A New Measure for Relevance Evaluation [62.997667081978825]
  FARM - Forward Relevance Aligned Metricという新しいアプローチを導入する。 我々のフォワード法は、その後のデータポイントの変化を時系列に合わせるために比較する角測度に依存する。 第1の検証ステップとして、FARMアプローチの合成信号・代表信号への適用について述べる。
  論文  参考訳（メタデータ） (2023-04-21T15:22:33Z)
• Time-aware Hyperbolic Graph Attention Network for Session-based Recommendation [58.748215444851226]
  セッションベースのレコメンデーション(SBR、Session-based Recommendation)は、ユーザの次の関心項目を以前のブラウジングセッションに基づいて予測することである。 時間情報を考慮したセッションベースレコメンデーションモデルを構築するために,TA-HGAT(Time-Aware Hyperbolic Graph Attention Network)を提案する。
  論文  参考訳（メタデータ） (2023-01-10T04:16:09Z)

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。