論文の概要: NMKFR: A Robust Framework for Time-Aware Cold-Start Recommendation

• arxiv url: http://arxiv.org/abs/2607.26429v1
• Date: Wed, 29 Jul 2026 03:15:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.531195
• Title: NMKFR: A Robust Framework for Time-Aware Cold-Start Recommendation
• Title（参考訳）: NMKFR: タイムアウェアなコールドスタートレコメンデーションのためのロバストフレームワーク
• Abstract要約: 本研究は,NMKFR(Neural Memory Kalman Fusion Recommender)を提案する。 タイタンスベースのセマンティックエンコーダとタイムアウェアなKalman状態トラッキングを組み合わせたものだ。 Amazon Video GamesとMovieLens-32Mの実験は、NMKFRを時間認識およびアイテムコールドスタートプロトコルで評価した。
• 参考スコア（独自算出の注目度）: 3.1868894157929137
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Item cold-start recommendation is difficult when new items have sparse early interactions and appear in recommendation environments that keep changing over time. Static content, early feedback, and temporal-state evidence are all useful, but their reliability varies across the item lifecycle. This work proposes a framework--Neural Memory Kalman Fusion Recommender (NMKFR), which combines a Titans-based semantic encoder with time-aware Kalman state tracking. The semantic branch extracts memory-enhanced item observations from text, while the temporal branch estimates latent states under irregular interaction intervals. The NMKFR further uses posterior covariance as an uncertainty signal to calibrate semantic memory retrieval and adaptive static-temporal fusion. Experiments on Amazon Video Games and MovieLens-32M evaluate NMKFR under time-aware and item cold-start protocols using sampled candidate ranking. Across the reported comparisons, ablations, diagnostics, and robustness analyses, NMKFR achieves the strongest retained results and exhibits bounded uncertainty-related internal behavior. These findings provide empirical evidence for posterior-covariance-guided semantic-temporal fusion under the evaluated offline settings.
• Abstract（参考訳）: アイテムのコールドスタートレコメンデーションは、新しいアイテムが早期のインタラクションが不足し、時間とともに変化し続けるレコメンデーション環境に現れる場合、難しい。 静的コンテンツ、早期のフィードバック、時間的状態のエビデンスはすべて有用だが、その信頼性はアイテムライフサイクルによって異なる。 この研究は、TitansベースのセマンティックエンコーダとタイムアウェアなKalman状態トラッキングを組み合わせたフレームワーク-Neural Memory Kalman Fusion Recommender (NMKFR)を提案する。 セマンティックブランチはテキストからメモリ強化アイテムの観察を抽出し、テンポラルブランチは不規則な相互作用間隔で潜在状態を推定する。 NMKFRはさらに、後部共分散を不確実性信号として使用し、セマンティックメモリの検索と適応静的時間融合を校正する。 Amazon Video GamesとMovieLens-32Mの実験では、サンプル候補ランキングを用いて、NMKFRをタイムアウェアおよびアイテムコールドスタートプロトコルで評価した。 NMKFRは、報告された比較、改善、診断、ロバストネス分析の全体にわたって、最強の維持結果を達成し、境界のある不確実性に関連する内部挙動を示す。 これらの知見は, 評価されたオフライン条件下での, 後部共分散誘導的意味時間融合の実証的証拠となる。

関連論文リスト

• TEDi: Temporal Memory-Enhanced and Denoising Transformer for Surgical Instrument Segmentation [9.547507272250378]
  外科用機器セグメンテーションのための一時記憶強調復調変換器TEDiを提案する。 前者はクエリレベルのメモリバンクとメモリ検索拡張エンコーダを導入し、過去のフレームから識別表現を検索する。 後者は、時間的に不安定な予測を抑制するために、時間的に一貫した参照をクロスフレームセマンティックアンカーとして構成する。
  論文  参考訳（メタデータ） (2026-09-15T08:03:13Z)
• Diagnosing Temporal Misalignment in Multichannel Time-Series Classification with Minimum Description Length [2.664567992874808]
  同期問題は、分類性能が最適以下である間も検出されないことがある。 本手法は,センサ群に対して時間的候補シフトを適用し,残りのチャネルの表現を通して,1つのグループをいかに効率的にエンコードできるかを計測する。 そこで本手法は,時系列学習パイプライン全体の時間的ずれの検出,理解,修正を行う汎用ツールを提供する。
  論文  参考訳（メタデータ） (2026-09-13T15:24:24Z)
• Continual Graph Memory for Adaptive Recommendation under Intent Drift [7.140905344515738]
  本稿では,意図的ドリフト下での適応的レコメンデーションについて検討し,各レコメンデーション結果からのフィードバックによって,ランク付けに使用される関係証拠が有用か,欠落か,誤解を招くかを明らかにする。 本稿では,適応型レコメンデーションのための連続グラフメモリフレームワークであるCGM-Recを提案する。
  論文  参考訳（メタデータ） (2026-09-04T02:32:20Z)
• DoTime: A Synthetic Benchmark Generator for Interventional and Counterfactual Time Series [3.2517081185249075]
  介入を伴う時間構造因果モデルのオープンでスケーラブルで理論的に基礎付けられた生成器である textbfDoTime を紹介した。 従来のジェネレータにはない機能が追加されている: 連続時間介入アンファンドウ、実証ガード付き対実サンプリングモード、レギュラースイッチングSCM。 因果的基礎モデル参照実装の先行としてジェネレータの適合性を示す。
  論文  参考訳（メタデータ） (2026-07-29T07:46:44Z)
• CALMRec: Causally Aligned Language Memory for Long-Horizon Recommendation [0.0]
  本稿では,ロングホライゾンレコメンデーションのためのモデルに依存しないフレームワークを提案する。 我々は,eコマース,ニュース,ショートビデオのような環境における識別結果を提供し,その枠組みを評価する。
  論文  参考訳（メタデータ） (2026-07-26T13:28:51Z)
• AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
  AnchorMoEは、解釈可能な構成別分類フレームワークである。 ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。 実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
  論文  参考訳（メタデータ） (2026-06-02T13:30:54Z)
• Explainable Fall Detection for Elderly Care via Temporally Stable SHAP in Skeleton-Based Human Activity Recognition [3.5944383615563615]
  骨格型転倒検出のための軽量で説明可能なフレームワークを提案する。 提案フレームワークは,効率的なLSTMモデルと時間的に認識されたポストホックアグリゲーション戦略であるT-SHAPを組み合わせる。 実験の結果、提案フレームワークは、エンドツーエンドの推論遅延を25ミリ秒以下で94.3%の分類精度を達成することがわかった。
  論文  参考訳（メタデータ） (2026-04-14T20:15:00Z)
• FRESCO: Benchmarking and Optimizing Re-rankers for Evolving Semantic Conflict in Retrieval-Augmented Generation [73.22935457705057]
  時間的動的文脈における再ランカ評価のためのベンチマークであるFRESCOを紹介する。 レクエンシ検索クエリと過去のウィキペディアのリビジョンを組み合わせることで、FRESCOは、セマンティックな関連性を維持しながら、リランカが事実として最新の証拠を優先順位付けできるかどうかをテストする。 我々の評価では、既存の再ランカ間で一貫した障害モードが明らかになっている。
  論文  参考訳（メタデータ） (2026-04-14T17:04:25Z)
• GAM-RAG: Gain-Adaptive Memory for Evolving Retrieval in Retrieval-Augmented Generation [16.737829113782126]
  Retrieval-Augmented Generation (RAG) は、大規模な言語モデルに外部の証拠を付けているが、多くの実装では、構築後も静的なインデックスに依存している。 認知神経科学におけるスキーマに基づく学習をモチベーションとして,繰り返しクエリや関連するクエリから検索経験を蓄積する学習自由フレームワークであるGAM-RAGを提案する。 GAM-RAGは、リンクが固定的な意味関係ではなく、潜在的な共起をキャプチャする、軽量で無関係な階層インデックスを構築している。
  論文  参考訳（メタデータ） (2026-03-02T12:09:17Z)
• LMU-Based Sequential Learning and Posterior Ensemble Fusion for Cross-Domain Infant Cry Classification [0.4666493857924357]
  マルチブランチCNNエンコーダにおいて, MFCC, STFT, ピッチ特徴を融合する小型音響フレームワークを提案する。 LSTMと比較すると、LMUバックボーンは、非常に少ないリカレントパラメータで安定したシーケンスモデリングを提供し、効率的なデプロイメントをサポートする。
  論文  参考訳（メタデータ） (2026-02-24T23:44:41Z)
• CORE: Context-Robust Remasking for Diffusion Language Models [51.59514489363897]
  我々は、推論時リビジョンのためのトレーニング不要フレームワークであるContext-Robust Remasking (CORE)を提案する。 静的トークンの確率を信頼するのではなく、COREは、ターゲットとなるマスク付きコンテキストの摂動に対する感受性を示すことによって、コンテキスト不安定なトークンを識別する。 LLaDA-8B-Baseでは、COREは推論とコードベンチマークの間で一貫した改善を行い、計算に適合したベースラインを上回り、MBPPを最大9.2%改善した。
  論文  参考訳（メタデータ） (2026-02-04T00:12:30Z)
• 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)
• Rethinking Metrics and Benchmarks of Video Anomaly Detection [58.37571339811799]
  ビデオ異常検出(VAD)は、期待から外れた異常を検出することを目的としている。 既存のVADメトリクスは、単一のアノテーションバイアスの影響を受けます。 既存のベンチマークには、完全に/弱い教師付きアルゴリズムのシーンオーバーフィットを評価する能力がない。
  論文  参考訳（メタデータ） (2025-05-25T08:09:42Z)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)
• Sequential Recommendation via Stochastic Self-Attention [68.52192964559829]
  Transformerベースのアプローチでは、アイテムをベクトルとして埋め込んで、ドット積の自己アテンションを使用してアイテム間の関係を測定する。 本稿では,これらの問題を克服するための新しいtextbfStochastic textbfSelf-textbfAttention (STOSA) を提案する。 我々は、アイテムと項目の位置関係を列で特徴づける新しいワッサースタイン自己保持モジュールを考案した。
  論文  参考訳（メタデータ） (2022-01-16T12:38:45Z)

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。