論文の概要: A Redundancy Reduction Approach for Controllable Sequential Recommendations

• arxiv url: http://arxiv.org/abs/2609.23849v1
• Date: Sun, 20 Sep 2026 20:05:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 16:12:02.443065
• Title: A Redundancy Reduction Approach for Controllable Sequential Recommendations
• Title（参考訳）: 制御可能なシーケンスレコメンデーションのための冗長性低減手法
• Abstract要約: 逐次リコメンデータにおける表現幾何を形作るメカニズムとして特徴デコレーションを考察する。 本稿では,次点予測を補助的冗長性推論項で強化するデコリレーション規則化トレーニングフレームワークを提案する。 本稿では,デコリレーションがユーザ表現空間における低ランク方向の共有をいかに抑制するかを示す。
• 参考スコア（独自算出の注目度）: 2.807396037026279
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sequential recommendation must operate under long-tailed item distributions and popularity-driven concentration, often forcing practitioners to trade short-list accuracy against long-tail exposure. In this work, we study feature decorrelation as a mechanism for shaping representation geometry in dot-product sequential recommenders, and analyze how this, in turn, affects popularity-driven concentration. We propose a decorrelation-regularized training framework that augments next-item prediction with an auxiliary redundancy-reduction term, and instantiate it with BT-SR, which uses the Barlow Twins objective. To form label-consistent positive pairs without synthetic corruptions, we pair user histories that share the same next-item target. Beyond accuracy, we provide a geometric analysis showing how decorrelation suppresses shared low-rank directions in the user representation space that can give popular items a global scoring advantage, and we introduce a bucket-based alignment concentration metric to quantify this effect. Experiments on five public benchmarks show that BT-SR consistently improves next-item ranking quality, while the decorrelation strength acts as a simple control knob that reallocates accuracy across head and tail items, enabling accuracy-exposure trade-offs. Our analysis also reveals that the impact on head-vs-tail exposure differs across datasets, reflecting interactions between decorrelation and data temporal structure.
• Abstract（参考訳）: シークエンシャルレコメンデーションは、長い尾のアイテム分布と人気主導の集中の下で運用されなければならず、多くの場合、実践者は長い尾の露出に対してショートリストの正確さをトレードせざるを得ない。 本研究では,ドット製品シーケンシャルレコメンデータにおける表現幾何学の形成機構としての特徴デコリレーションについて検討し,これが人気度にどのように影響するかを解析した。 本稿では,次点予測を補助的冗長性推論項で拡張するデコリレーション規則化トレーニングフレームワークを提案し,バーロウツインズ目標を用いたBT-SRでインスタンス化する。 ラベルに一貫性のある正の対を合成汚損なく形成するために、同一の次イテムターゲットを共有するユーザ履歴をペア化する。 提案手法では,デコリレーションがユーザ表現空間における低ランク方向の共有をいかに抑制するかを示す幾何学的解析を行い,この効果を定量化するためのバケットベースのアライメント濃度測定基準を導入する。 5つの公開ベンチマークの実験では、BT-SRは次の項目のランク付け品質を一貫して改善する一方、デコレーション強度は単純な制御ノブとして機能し、頭と尾の項目の精度を再配置し、精度と露出のトレードオフを可能にする。 分析の結果,頭部の空間曝露の影響はデータセットによって異なっており,デコリレーションとデータ時間構造との相互作用を反映していることがわかった。

関連論文リスト

• When Interference Graphs Evolve: Doubly Robust Estimation of Dynamic Peer Effects [1.049126606580198]
  我々は,自己治療,時間的に集約されたピア露光,および課題後の進化の要約によって潜在的な結果をインデックスする制御されたコントラストフレームワークを導入する。 時間分解確率と正規化オーグメンテーションを組み合わせた動的ネットワーク二重ロバスト推定器DynaNet-DRを開発した。
  論文  参考訳（メタデータ） (2026-08-27T14:32:40Z)
• From Overlooked to Explored: Recovering Item Relations via Mixture of Perspectives for Sequential Recommendation [18.117610268256005]
  我々は、ペアワイズアイテムの相互作用を計算する能力において、自己意識が逐次的な推奨において支配的であることを示す。 複数の視点から項目関係を再検討するモジュールであるPRISMを提案する。 PRISMは一貫して最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-08-12T09:39:04Z)
• Barlow Twins for Sequential Recommendation [3.066878488495023]
  逐次レコメンデーションモデルは、疎結合データの人気バイアスと、精度と多様性といった相反する目標をナビゲートする必要があります。 本稿では,Borlow Twinsの冗長性原理をTransformerベースのnextitemレコメンデータに統合する,新しい非競合SSLフレームワークBT-SRを紹介する。
  論文  参考訳（メタデータ） (2025-10-30T11:56:02Z)
• Unveiling Contrastive Learning's Capability of Neighborhood Aggregation for Collaborative Filtering [16.02820746003461]
  グラフコントラスト学習(GCL)は、リコメンデータシステムにおいて、徐々に支配的なアプローチになりつつある。 本稿では,CL目標の勾配降下過程がグラフ畳み込みと正式に等価であることを明らかにする。 そこで本稿では,ユーザを他のポジティブなペアから遠ざけながら,対話するすべてのアイテムに近づけるための,新しいエリアアグリゲーションの目標を提案する。
  論文  参考訳（メタデータ） (2025-04-14T11:22:41Z)
• Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles [104.60508550106618]
  拡散確率モデル(DPM)を利用したアンサンブル多様化フレームワークDiffDivを提案する。 DPMは、相関した入力特徴を示すサンプルを用いて訓練しても、新しい特徴の組み合わせで画像を生成することができることを示す。 そこで本研究では,DPM誘導の多様化は,教師付き信号の追加を必要とせず,ショートカットキューへの依存を取り除くのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-11-23T15:47:33Z)
• The Decaying Missing-at-Random Framework: Model Doubly Robust Causal Inference with Partially Labeled Data [8.916614661563893]
  因果推論を両立させるために,MARフレームワークの欠落と関連するアプローチを導入する。 これはラベル付け機構における選択バイアスとラベル付きグループとラベルなしグループの極端な不均衡に同時に対処する。 因果関係の堅牢性を確保するため,平均治療効果に対するバイアス低減SS推定器を提案する。
  論文  参考訳（メタデータ） (2023-05-22T07:37:12Z)
• Self-supervised debiasing using low rank regularization [59.84695042540525]
  純粋な相関は、ディープニューラルネットワークの強いバイアスを引き起こし、一般化能力を損なう可能性がある。 ラベルのないサンプルと互換性のある自己監督型脱バイアスフレームワークを提案する。 注目すべきは,提案フレームワークが自己教師付き学習ベースラインの一般化性能を著しく向上させることである。
  論文  参考訳（メタデータ） (2022-10-11T08:26:19Z)
• Cross Pairwise Ranking for Unbiased Item Recommendation [57.71258289870123]
  我々はCPR(Cross Pairwise Ranking)という新しい学習パラダイムを開発する。 CPRは、露出メカニズムを知らずに不偏の推奨を達成する。 理論的には、この方法が学習に対するユーザ/イテムの適合性の影響を相殺することを証明する。
  論文  参考訳（メタデータ） (2022-04-26T09:20:27Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Improving Long-Tail Relation Extraction with Collaborating Relation-Augmented Attention [63.26288066935098]
  本稿では,ニューラルネットワーク,コラボレーティング・リレーショナル・アテンション(CoRA)を提案する。 一般的なベンチマークデータセットNYTの実験では、提案されたCoRAは、最先端のパフォーマンスを大きなマージンで改善する。
  論文  参考訳（メタデータ） (2020-10-08T05:34:43Z)

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。