論文の概要: Hamiltonian Spectral-Temporal Dissipative Dynamics for Sequential Recommendation
- arxiv url: http://arxiv.org/abs/2608.25755v1
- Date: Wed, 26 Aug 2026 13:04:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.832636
- Title: Hamiltonian Spectral-Temporal Dissipative Dynamics for Sequential Recommendation
- Title（参考訳）: シークエンシャルレコメンデーションのためのハミルトンスペクトル-テンポラル散逸ダイナミクス
- Abstract要約: 本稿では,ハミルトンスペクトルレコメンダ (HSR) を導入し, 選好進化を散逸するハミルトン系として再放送する。
HSRは、最先端のトランスフォーマーベースおよびステートスペースモデル(SSM)ベースのレコメンデータよりも一貫して優れている。
- 参考スコア（独自算出の注目度）: 4.649779668774962
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sequential recommendation requires understanding how user preferences evolve over time, yet most existing models treat such evolution as a first order process where the next state depends solely on the current latent representation. Nevertheless, real user behavior often exhibits richer dynamics, including inertia, periodicity, and sudden shifts that cannot be fully captured by these first order assumptions. Motivated by these behavioral characteristics, we reconceptualize sequential recommendation through the lens of second order dynamical systems and introduce the Hamiltonian Spectral Recommender (HSR), which recasts preference evolution as a dissipative Hamiltonian system in a latent phase space of position (stable preference) and momentum (short-term tendency). The linear time-invariant structure of the governing equation admits a closed-form solution in the frequency domain. A learnable dissipation mechanism further captures natural interest decay, while a short local impulse refinement module models abrupt behavioral fluctuations commonly observed in sparse interaction logs. This design jointly accounts for global periodic patterns, inertial evolution, and localized shocks, where three phenomena that are underrepresented in existing sequential models. Extensive experiments on three benchmark datasets demonstrate that HSR consistently outperforms state-of-the-art Transformer-based and state space model (SSM)-based recommenders.
- Abstract（参考訳）: シークエンシャルレコメンデーションでは、時間の経過とともにユーザの好みがどのように進化するかを理解する必要があるが、既存のモデルのほとんどは、そのような進化を、次の状態が現在の潜在表現にのみ依存するファーストオーダープロセスとして扱う。
それでも、実際のユーザの振る舞いは、慣性、周期性、そしてこれらのファーストオーダーの仮定によって完全に捉えられない急激なシフトなど、よりリッチなダイナミクスを示すことが多い。
これらの行動特性に触発されて、第2次力学系のレンズを通して逐次レコメンデーションを再認識し、位置(安定な選好)と運動量(短期傾向)の潜在相空間において、選好進化を散逸するハミルトン系として再認識するハミルトンスペクトルレコメンダ(HSR)を導入する。
支配方程式の線形時間不変構造は周波数領域における閉形式解を許容する。
学習可能な散逸機構はさらに自然の利害の崩壊を捉え、短い局所的なインパルス精製モジュールはスパース相互作用ログでよく見られる行動変動をモデル化する。
この設計は、大域的な周期パターン、慣性進化、局所的なショックを共同で説明し、既存の逐次モデルでは表現できない3つの現象を列挙する。
3つのベンチマークデータセットに対する大規模な実験により、HSRは、最先端のTransformerベースおよびステートスペースモデル(SSM)ベースのレコメンデータよりも一貫して優れていることが示された。
関連論文リスト
- Unlocking Temporal Generalization in Hamiltonian Video Dynamics Models [0.0]
Hamiltonian Generative Networks (HGN) は原則的な経路を提供する。
我々は,HGNのロールアウトが,異なる障害モードのため,トレーニング体制以外のステップサイズで失敗することを示す。
詳細な分析では、連続時間ビデオ生成における時間的一般化を可能にするためのいくつかの戦略を推奨する。
論文 参考訳（メタデータ） (2026-07-08T15:31:53Z) - KoopGen: Koopman Generator Networks for Representing and Predicting Dynamical Systems with Continuous Spectra [65.11254608352982]
生成元をベースとしたニューラル・クープマン・フレームワークを導入し,構造的かつ状態に依存したクープマン・ジェネレータの表現を通じて動的にモデル化する。
固有のカルテス分解をスキュー結合および自己結合成分に利用することにより、KoopGenは可逆的な散逸から保守的な輸送を分離する。
論文 参考訳（メタデータ） (2026-02-15T06:32:23Z) - Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。
形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。
均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。
TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
論文 参考訳（メタデータ） (2026-02-10T14:13:36Z) - A Mechanistic Analysis of Transformers for Dynamical Systems [4.590170084532207]
動的データに適用した場合の単一層変換器の表現能力と限界について検討する。
線形系に対しては、ソフトマックスアテンションによって課される凸性制約が、表現できる力学のクラスを根本的に制限していることが示される。
部分可観測性を持つ非線形系では、注意は適応的な遅延埋め込み機構として機能する。
論文 参考訳（メタデータ） (2025-12-24T11:21:07Z) - Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。
我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。
トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
論文 参考訳（メタデータ） (2025-08-11T09:03:10Z) - Continuous-Time SO(3) Forecasting with Savitzky--Golay Neural Controlled Differential Equations [51.510040541600176]
この研究は、$SO(3)$で連続時間回転オブジェクトの力学をモデル化することを提案する。
単純化された動作仮定に依存する既存の手法とは異なり、本手法は下層の物体軌道の一般的な潜在力学系を学習する。
実世界のデータに対する実験結果から、既存の手法と比較して魅力的な予測能力が示された。
論文 参考訳（メタデータ） (2025-06-07T12:41:50Z) - Learning Robust Spectral Dynamics for Temporal Domain Generalization [35.98513351187109]
時間的ドメイン一般化は、進化するドメインをまたいだモデル一般化を可能にすることを目指している。
本稿では,パラメータ軌跡の周波数領域解析により,これらの課題に対処するFreKooを紹介する。
FreKooは、複雑なドリフトと不確実性を備えた現実世界のストリーミングシナリオに優れています。
論文 参考訳（メタデータ） (2025-05-19T00:38:18Z) - Predicting Forced Responses of Probability Distributions via the Fluctuation-Dissipation Theorem and Generative Modeling [0.0]
非線形系の高次モーメントの小さな外乱に対する応答を推定するためのデータ駆動型フレームワークを提案する。
GFDTとスコアベース生成モデルを組み合わせて,データから直接システムのスコア関数を推定する。
本手法は, 気候動態に関するいくつかのモデルを用いて検証した。
論文 参考訳（メタデータ） (2025-04-17T20:54:33Z) - Latent Space Energy-based Neural ODEs [73.01344439786524]
本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。
マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。
振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
論文 参考訳（メタデータ） (2024-09-05T18:14:22Z) - Prethermalization in the PXP Model under Continuous Quasiperiodic Driving [0.0]
強リドベルク閉塞系における準周期的に駆動されるリドベルク原子鎖のダイナミクスについて検討する。
運転なしでも、PXPモデルは多くのボディの傷がつき、結果として持続的な振動が生じる。
以上の結果から, 連続半周期駆動プロトコルは, 物質の予熱相を実現するための有望な経路となることが示唆された。
論文 参考訳（メタデータ） (2024-06-03T15:30:02Z) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳（メタデータ） (2020-10-08T20:25:52Z)
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。