Deep Adaptive Interest Network: Personalized Recommendation with Context-Aware Learning

要約

パーソナライズされたレコメンデーション システムでは、ユーザーの進化する興味を正確に捉え、それらをコンテキスト情報と組み合わせることが重要な研究分野です。
この論文では、Deep Adaptive Interest Network (DAIN) と呼ばれる新しいモデルを提案します。このモデルは、ユーザーの興味を動的にモデル化し、コンテキスト認識学習メカニズムを組み込んで、正確で適応性のあるパーソナライズされた推奨事項を実現します。
DAIN は、深層学習技術を活用して、ユーザーの関心の変化をリアルタイムで捕捉できる適応型関心ネットワーク構造を構築すると同時に、コンテキスト情報を統合することで推奨結果をさらに最適化します。
いくつかの公開データセットに対して行われた実験では、DAIN が推奨パフォーマンスと計算効率の両方で優れていることが実証されています。
この研究は、パーソナライズされたレコメンデーション システムのための新しいソリューションを提供するだけでなく、レコメンデーション システムにおけるコンテキスト認識学習のアプリケーションについての新たな洞察も提供します。

要約(オリジナル)

In personalized recommendation systems, accurately capturing users’ evolving interests and combining them with contextual information is a critical research area. This paper proposes a novel model called the Deep Adaptive Interest Network (DAIN), which dynamically models users’ interests while incorporating context-aware learning mechanisms to achieve precise and adaptive personalized recommendations. DAIN leverages deep learning techniques to build an adaptive interest network structure that can capture users’ interest changes in real-time while further optimizing recommendation results by integrating contextual information. Experiments conducted on several public datasets demonstrate that DAIN excels in both recommendation performance and computational efficiency. This research not only provides a new solution for personalized recommendation systems but also offers fresh insights into the application of context-aware learning in recommendation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google