論文の概要: Kairos: Numerically Robust News Recommendation under Item Cold-Start via Cholesky-based LinUCB
- arxiv url: http://arxiv.org/abs/2607.26832v2
- Date: Thu, 30 Jul 2026 06:05:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 12:52:12.271893
- Title: Kairos: Numerically Robust News Recommendation under Item Cold-Start via Cholesky-based LinUCB
- Title（参考訳）: Kairos: Cholesky-based LinUCBによるアイテムコールドスタート下の数値的ロバストなニュースレコメンデーション
- Abstract要約: 本稿では,このデータ不足を文脈的オンライン学習アプローチによって橋渡しするフレームワークであるKairosについて述べる。
連続演算の数値的整合性を確保するため、カイロスは誤りを起こしやすいシャーマン・モリソン反転をチョーレスキー因子の直接ランク1更新に置き換える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Algorithmic news personalization in regional markets often fails because modern deep learning models require massive interaction data while real-world news has a short Time-to-Live (TTL < 48 h) and shallow article pools. This structural item cold-start deprives collaborative filtering of the data needed for robust modeling. This paper presents Project Kairos, a framework that bridges this data scarcity through a contextual online learning approach (LinUCB). To ensure numerical integrity for continuous operation, Kairos replaces error-prone Sherman-Morrison inversions with direct rank-1 updates of Cholesky factors. This preserves the positive definiteness of the covariance matrix even under ill-conditioned data scenarios. Simultaneously, Matryoshka Representation Learning (MRL) integration addresses inference latency. Empirical evaluations based on the Tagesschau API demonstrate that exploiting semantic redundancy in the feature space achieves a 4.85-fold efficiency gain without significantly compromising ranking precision. Kairos thus provides a blueprint for high-performance recommendation systems in resource- and data-constrained environments.
- Abstract（参考訳）: 地域市場におけるアルゴリズムによるニュースパーソナライズは、現代のディープラーニングモデルは大量のインタラクションデータを必要とするため、現実のニュースは短いTTL <48 h)と浅い記事プールを持つため、しばしば失敗する。
この構造項目は、ロバストなモデリングに必要なデータの協調的なフィルタリングを損なう。
本稿では,このデータ不足をコンテキスト学習アプローチ(LinUCB)を通じて橋渡しするフレームワークであるKairosについて述べる。
連続演算の数値的整合性を確保するため、カイロスは誤りを起こしやすいシャーマン・モリソン反転をチョーレスキー因子の直接ランク1更新に置き換える。
これは、不条件のデータシナリオの下でも共分散行列の正の定性を保つ。
同時に、Matryoshka Representation Learning (MRL)統合は推論遅延に対処する。
Tagesschau APIに基づく実証的な評価は、特徴空間における意味的冗長性を活用することで、ランクの精度を著しく損なうことなく、4.85倍の効率向上が得られることを示した。
これによりKairosは、リソースとデータ制約のある環境での高性能なレコメンデーションシステムのための青写真を提供する。
関連論文リスト
- A Retrieval-Enhanced Transformer for Multi-Step Port-of-Call Sequence Prediction in Global Liner Shipping [6.316974670801592]
本研究では,CCRE(Connectivity-Constrained and Retrieval-Enhanced Deep Learning framework)を提案する。
Retrieval-Augmented GenerationにインスパイアされたCCREは、検索に強化された履歴エンコーダを導入する。
これらのシナリオを候補レベルのセマンティック表現に変換することで、ロングテールルートにおけるデータの分散を補正し、ルーティングの曖昧さを解決する。
CCREは72.3%、平均3段階の精度は61.4%で、それぞれ12.6%と11.3%の差でCatBoostやLSTMなどのベースラインを上回っている。
論文 参考訳（メタデータ） (2026-05-15T13:18:31Z) - Generative Data Transformation: From Mixed to Unified Data [57.84692191369066]
textscTaesarはtextbftarget-textbfal textbfregenerationのためのEmphdata中心のフレームワークである。
ドメイン間のコンテキストを対象のシーケンスにエンコードすることで、複雑な融合アーキテクチャを使わずに、標準的なモデルで複雑な依存関係を学習することができる。
論文 参考訳（メタデータ） (2026-02-26T08:30:09Z) - Beyond Static Datasets: Robust Offline Policy Optimization via Vetted Synthetic Transitions [4.359780028396042]
静的データセットと学習ポリシ間の分散シフトに対処するモデルベースのフレームワークであるMoReBRACを提案する。
本研究では,変分オートエンコーダ(VAE)モデル検出,モデル感度解析,モンテカルロ(MC)ドロップアウトを統合した階層的不確実性パイプラインを実装した。
D4RL Gym-MuJoCoベンチマークの結果,特にランダム'とサブ最適'のデータ構造において,大幅な性能向上が示された。
論文 参考訳（メタデータ） (2026-01-26T03:38:27Z) - Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。
生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。
数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
論文 参考訳（メタデータ） (2025-11-21T07:25:49Z) - Beyond Leakage and Complexity: Towards Realistic and Efficient Information Cascade Prediction [37.50536404287287]
情報カスケードの人気予測は、ソーシャルネットワークにおけるコンテンツ拡散を分析する上で重要な問題である。
時系列的にデータを連続するウィンドウに分割する時間順序分割戦略を提案する。
第2に,豊富なプロモーター/製品属性を備えた大規模EコマースカスケードデータセットであるTaokeを紹介する。
第3に,時間的歩行を通してカスケード力学を効率的にモデル化する軽量フレームワークCasTempを開発した。
論文 参考訳（メタデータ） (2025-10-29T10:06:08Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳（メタデータ） (2025-09-27T20:57:48Z) - From Imitation to Optimization: A Comparative Study of Offline Learning for Autonomous Driving [0.0]
この研究は、この制限に対処するための包括的なパイプラインと比較研究を提示している。
まず,BC(Behavimental Cloning)ベースラインの開発について述べる。
次に、最先端のオフライン強化学習アルゴリズムである保守的Qラーニング(CQL)を同じデータとアーキテクチャに適用することにより、より堅牢なポリシーを学習できることを実証する。
論文 参考訳（メタデータ） (2025-08-09T16:03:10Z) - Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update [70.38810219913593]
非線形リンク関数を組み込んで古典線形モデルを拡張したコンテキスト型多武装バンディットフレームワークである一般化線形バンディット問題(GLB)について検討する。
GLBは現実世界のシナリオに広く適用できるが、その非線形性は計算効率と統計効率の両方を達成する上で大きな課題をもたらす。
本稿では,$mathcalO(1)$時間と1ラウンドあたりの空間複雑度をほぼ最適に再現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-07-16T02:24:21Z) - Federated Dynamic Modeling and Learning for Spatiotemporal Data Forecasting [1.492694722803554]
本稿では,複雑な時間的データを予測するための高度なフェデレート学習(FL)フレームワークを提案する。
Gated Recurrent Unit(RU)モジュールをLong Short-Term Memory(LSTM)ネットワークに置き換える。
結果として生じるアーキテクチャは、様々な予測アプリケーションで複雑な時間パターンを扱う能力を大幅に改善します。
論文 参考訳（メタデータ） (2025-03-06T15:16:57Z) - Theoretical Insights in Model Inversion Robustness and Conditional Entropy Maximization for Collaborative Inference Systems [89.35169042718739]
協調推論により、クラウドサーバに機密データを公開することなく、エンドユーザは強力なディープラーニングモデルを活用することができる。
近年の研究では、これらの中間機能は、情報が漏洩し、生データをモデル反転攻撃(MIA)によって再構築できるため、プライバシーを十分に保持できないことが判明している。
この研究はまず、与えられた中間特徴の入力の条件エントロピーが、任意のMIAの下での再構成平均二乗誤差(MSE)の保証された下界を与えることを理論的に証明する。
そして、ガウス混合推定に基づいて、この条件付きエントロピーを有界化するための微分可能かつ可解な尺度を導出し、逆ロバスト性を高める条件付きエントロピーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-03-01T07:15:21Z) - CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。
最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。
CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
論文 参考訳（メタデータ） (2024-05-17T07:43:25Z) - SCTc-TE: A Comprehensive Formulation and Benchmark for Temporal Event Forecasting [63.01035584154509]
私たちは完全に自動化されたパイプラインを開発し、約0.6百万のニュース記事からMidEast-TEという大規模なデータセットを構築しました。
このデータセットは、2015年から2022年まで、主に中東地域での協力と紛争イベントに焦点を当てている。
そこで本稿では,SCTc-TE予測にローカルコンテキストとグローバルコンテキストの両方を活用可能なLoGoを提案する。
論文 参考訳（メタデータ） (2023-12-02T07:40:21Z)
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。