論文の概要: Seeing the Context: Enhancing Recommender Systems with Image-Derived Contextual Signals

• arxiv url: http://arxiv.org/abs/2610.08407v1
• Date: Tue, 06 Oct 2026 14:15:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.027373
• Title: Seeing the Context: Enhancing Recommender Systems with Image-Derived Contextual Signals
• Title（参考訳）: コンテキストを見る: 画像駆動型コンテキスト信号を用いたレコメンダシステムの実現
• Abstract要約: マルチモーダルレコメンダシステムは、主にイメージを使用してアイテムやユーザ表現を豊かにし、状況のコンテキストを特定しない。 本稿では,視覚言語モデルを用いて学習した物理的,社会的,モーダルなカテゴリを対象とする,画像から派生したコンテキストの表現を提案する。 ICE-Fuseは、これらのカテゴリを融合させ、それらをコンテキスト認識レコメンデータシステムに統合する、この表現を評価するパイプラインである。
• 参考スコア（独自算出の注目度）: 0.4078247440919473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Contextual information, capturing the circumstances of a user-item interaction, is central to recommender systems. Prior work draws context from location, time, or reviews, but not images; multimodal recommender systems mainly use images to enrich item or user representations, not identify situational context. We propose a new representation of context derived from images, spanning physical, social, and modal categories learned via a vision-language model. We introduce ICE-Fuse, a pipeline for evaluating this representation that fuses these categories and integrates them into a context-aware recommender system, using TripAdvisor data and Review-aware Graph Contrastive Learning as the recommendation algorithm. Image context does not outperform established signals standalone, but improves them combined, indicating complementary information. Semantic analysis shows image- and review-derived context capture distinct aspects of the interaction, positioning images as complementary context.
• Abstract（参考訳）: ユーザとイテムのインタラクションの状況を把握するコンテキスト情報は、レコメンデーションシステムの中心である。 事前の作業は、場所、時間、レビューからコンテキストを引き出すが、画像ではない。マルチモーダルレコメンデータシステムは、主に画像を使用してアイテムやユーザ表現を豊かにし、状況のコンテキストを識別しない。 本稿では,視覚言語モデルを用いて学習した物理的,社会的,モーダルなカテゴリを対象とする,画像から派生したコンテキストの表現を提案する。 本稿では、これらのカテゴリを融合し、TripAdvisorデータとReview-aware Graph Contrastive Learningをレコメンデーションアルゴリズムとして使用して、コンテキスト対応のレコメンデーションシステムに統合する、この表現を評価するパイプラインであるICE-Fuseを紹介する。 画像コンテキストは、確立された信号の独立性を上回るものではないが、それらを組み合わせて改善し、補完的な情報を示す。 セマンティック分析は、画像とレビュー由来のコンテキストが相互作用の異なる側面を捉え、イメージを相補的なコンテキストとして位置づけていることを示している。

関連論文リスト

• Context Diffusion: In-Context Aware Image Generation [27.63447546705641]
  コンテキスト拡散(Context Diffusion)は、画像生成モデルがコンテキストで提示された視覚的な例から学ぶことを可能にする拡散ベースのフレームワークである。 我々の実験と人的評価は、コンテキスト拡散がドメイン内タスクとドメイン外タスクの両方で優れていることを示している。
  論文  参考訳（メタデータ） (2023-12-06T16:19:51Z)
• Advancing Visual Grounding with Scene Knowledge: Benchmark and Method [74.72663425217522]
  ビジュアルグラウンドディング(VG)は、視覚と言語の間にきめ細かいアライメントを確立することを目的としている。 既存のVGデータセットの多くは、単純な記述テキストを使って構築されている。 我々は、アンダーラインScene underline-guided underlineVisual underlineGroundingの新たなベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-07-21T13:06:02Z)
• Coarse-to-Fine Contrastive Learning in Image-Text-Graph Space for Improved Vision-Language Compositionality [50.48859793121308]
  対照的に訓練された視覚言語モデルは、視覚と言語表現学習において顕著な進歩を遂げた。 近年の研究では、対象、属性、関係性に対して構成的推論を行う能力に厳しい制限が強調されている。
  論文  参考訳（メタデータ） (2023-05-23T08:28:38Z)
• Let the Chart Spark: Embedding Semantic Context into Chart with Text-to-Image Generative Model [7.587729429265939]
  画像視覚化は、データとセマンティックコンテキストを視覚表現にシームレスに統合する。 本稿では,テキストから画像への生成モデルに基づく意味コンテキストをグラフに組み込む新しいシステムであるChartSparkを提案する。 本研究では,テキストアナライザ,編集モジュール,評価モジュールを統合したインタラクティブなビジュアルインタフェースを開発し,画像視覚化の生成,修正,評価を行う。
  論文  参考訳（メタデータ） (2023-04-28T05:18:30Z)
• Guiding Attention using Partial-Order Relationships for Image Captioning [2.620091916172863]
  誘導注意ネットワーク機構は、視覚シーンとテキスト記述の関係を利用する。 この埋め込み空間は、共有セマンティック空間における類似の画像、トピック、キャプションを許容する。 MSCOCOデータセットに基づく実験結果は,我々のアプローチの競争力を示している。
  論文  参考訳（メタデータ） (2022-04-15T14:22:09Z)
• Exploring Explicit and Implicit Visual Relationships for Image Captioning [11.82805641934772]
  本稿では,画像キャプションのための領域レベルの表現を豊かにするために,明示的かつ暗黙的な視覚関係を探索する。 具体的には、オブジェクトペア上にセマンティックグラフを構築し、ゲートグラフ畳み込みネットワーク(Gated GCN)を利用して、近隣住民の情報を選択的に集約する。 暗黙的に、我々は変圧器から領域ベースの双方向エンコーダ表現を介して検出されたオブジェクト間のグローバルな相互作用を描画する。
  論文  参考訳（メタデータ） (2021-05-06T01:47:51Z)
• Telling the What while Pointing the Where: Fine-grained Mouse Trace and Language Supervision for Improved Image Retrieval [60.24860627782486]
  きめ細かい画像検索は、しばしば、探しているコンテンツがどこにあるかを表現する能力を必要とする。 本稿では,ユーザが音声自然言語(“What”)とマウスが空のキャンバス(“where”)にトレースした画像を同時に記述する画像検索装置について述べる。 我々のモデルは、この空間的ガイダンスを考慮に入れ、テキストのみの等価システムと比較して、より正確な検索結果を提供する。
  論文  参考訳（メタデータ） (2021-02-09T17:54:34Z)
• Consensus-Aware Visual-Semantic Embedding for Image-Text Matching [69.34076386926984]
  画像テキストマッチングは、視覚と言語をブリッジする上で中心的な役割を果たす。 既存のアプローチのほとんどは、表現を学ぶためにイメージテキストインスタンスペアのみに依存しています。 コンセンサスを意識したビジュアル・セマンティック・エンベディングモデルを提案し,コンセンサス情報を組み込む。
  論文  参考訳（メタデータ） (2020-07-17T10:22:57Z)
• Improving Image Captioning with Better Use of Captions [65.39641077768488]
  本稿では,画像表現とキャプション生成の両方を強化するために,キャプションで利用可能なセマンティクスをよりよく探求するための新しい画像キャプションアーキテクチャを提案する。 我々のモデルはまず,弱教師付きマルチインスタンス学習を用いて,有益な帰納バイアスをもたらすキャプション誘導型視覚関係グラフを構築した。 生成期間中、このモデルは、単語とオブジェクト/述語タグのシーケンスを共同で予測するために、マルチタスク学習を用いた視覚関係をさらに取り入れる。
  論文  参考訳（メタデータ） (2020-06-21T14:10:47Z)

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。