Hierarchical Graph Neural Network with Cross-Attention for Cross-Device User Matching

要約

タイトル: クロスデバイスのユーザーマッチングに対する交差注意を使用した階層グラフニューラルネットワーク

要約:

– クロスデバイスのユーザーマッチングは、広告、レコメンダーシステム、サイバーセキュリティなど、多くのドメインで重要な課題である。
– この課題を解決するため、以前のデータマイニング技術は、ログの長距離の依存関係と高次のつながりに苦戦してきた。
– 最近、この問題をグラフ問題とモデル化し、従来の方法を上回る2層のグラフコンテキスト埋め込み（TGCE）ニューラルネットワークアーキテクチャを提案した研究者もいる。
– 本論文では、TGCEよりもより計算効率的な2番目のレベルの設計を持つ新しい階層グラフニューラルネットワークアーキテクチャ（HGNN）を提案する。
– さらに、モデルに交差注意（Cross-Att）機構を導入し、最新のTGCE方法と比較して5％性能を改善する。

要約(オリジナル)

Cross-device user matching is a critical problem in numerous domains, including advertising, recommender systems, and cybersecurity. It involves identifying and linking different devices belonging to the same person, utilizing sequence logs. Previous data mining techniques have struggled to address the long-range dependencies and higher-order connections between the logs. Recently, researchers have modeled this problem as a graph problem and proposed a two-tier graph contextual embedding (TGCE) neural network architecture, which outperforms previous methods. In this paper, we propose a novel hierarchical graph neural network architecture (HGNN), which has a more computationally efficient second level design than TGCE. Furthermore, we introduce a cross-attention (Cross-Att) mechanism in our model, which improves performance by 5% compared to the state-of-the-art TGCE method.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI