論文

論文読み:Monolith

元論文 https://arxiv.org/pdf/2209.07663.pdfbytedance社のレコメンドエンジンに関する内容。 Deepなモデルをプロダクション環境で扱うためのモデルの学習・更新の方法やデータの管理方法の工夫などをまとめている。全体のアーキテクチャ 特徴量のメモリ削…

メモ:EX3 : Explainable Attribute-aware Item-set Recommendations(RecSys2021)

論文 https://dl.acm.org/doi/pdf/10.1145/3460231.3474240正直こちらのWantedlyさんの参加報告見れば十分説がある。 www.wantedly.com 概要 これまでのレコメンドは関連するアイテム集合を提供することにフォーカスしていたが、ユーザーの嗜好に合わせた重…

メモ:“Serving Each User”: Supporting Different Eating Goals Through a Multi-List Recommender Interface(recsys2021)

論文 https://dl.acm.org/doi/pdf/10.1145/3460231.3474232 概要 レシピサイトでのレコメンデーションを対象にした論文。 食の嗜好はその時々で異なる。今日はヘルシーなものが食べたいけど明日はジャンクなものを食べたいということは日常茶飯事。 この課題…

メモ JiZhi: A Fast and Cost-Eective Model-As-A-Service System for Web-Scale Online Inference at Baidu(KDD2021)

論文 https://dl.acm.org/doi/pdf/10.1145/3447548.3467146 内容 Deepを活用したレコメンドモデルは様々な領域で活用されているが、十分に学習されたモデルを本番環境で通用する速度で推論でき、多くのユーザーから多様な時間帯でのアクセスを捌き、コストを…

Rabbit Holes and Taste Distortion: Distribution-Aware Recommendation with Evolving Interests(WWW2021)

論文 http://people.tamu.edu/~zhaoxing623/publications/WWW21-Final-Publication.pdf 概要 既存のレコメンドロジックとしてよくあるユーザーの過去の嗜好を元にしたレコメンドは、ユーザーの嗜好が基本的に固定であることが前提となっている。 この論文で…

KDD2020で気になった論文を読む その2

PinnerSage: Multi-Modal User Embedding Framework for Recommendations at Pinterest https://arxiv.org/pdf/2007.03634.pdf 以降文中の画像は論文中からの引用になります。 概要 多様なembeddingsを介してユーザーを表現し、それを活用して高品質なレコメ…

KDD2020で気になった論文を読む その1

冬休みのノルマとして2本しっかりじゃなくてもいいので読んでおく。 Improving Recommendation Quality in Google Drive https://storage.googleapis.com/pub-tools-public-publication-data/pdf/8b3a830b943f7b3e16d51963f9e7aadd51b84960.pdf 概要 google …

適当に読んだ:Dynamics of News Events and Social Media Reaction(KDD2014)

論文を上手に読むこつが知りたい。Dynamics of News Events and Social Media Reaction アブスト あるトピックに関する、ニュース投稿と、それに伴うソーシャル上の意見の変化のダイナミクスについての研究。ニュースとソーシャルメディアの振る舞いを、イベ…

読んだ:Cross-Device Search(CIKM2014)

GWは風邪を引いてほぼ寝ていました。●畜なのか平日は風邪をひきません。http://research.microsoft.com/en-us/um/people/ryenw/papers/montanezcikm2014.pdfデバイスを跨いだ検索の理解(トピックなど)と、デバイス遷移予測モデルの構築。 デバイスの遷移が…

読んだ:Reduce and Aggregate: Similarity Ranking in Multi-Categorical Bipartite Graphs(WWW2014)

数式追えてないのでざっくり。数式よまないとこの論文はいかんけど。Reduce and Aggregate: Similarity Ranking in Multi-Categorical Bipartite Graphs大規模な複数カテゴリからなる二部グラフから、ユーザの類似性をランキングする問題を扱う。 ここで言う…

JSAI2014行けなかったしいくつか読んでみる-Twitter-

足を痛めたので会社行きたくないTwitter における候補者の情報拡散に着目した 国政選挙当選者予測Twitterデータを利用して国政選挙の当選者を予測する。既存の手法で使われていたフォロワー数等の指標に加え、情報拡散の規模、多様度、忠誠度の3つ新たな指…

JSAI2014行けなかったしいくつか読んでみる-複雑ネットワーク-

昨日は読んでいたら3時回っていて、駅まで全力ダッシュするはめになったので平日は自重気味で行く。有向ネットワークの構造が情報拡散に与える影響の分析ネットワーク構造と情報拡散の関係を明らかにするため、ネットワーク関する13個の指標を用意。ある一…

JSAI2014行けなかったしいくつか読んでみる-その1-

検索エンジン ソーシャルメディアの情報統合によるエキスパート検索エンジンに関する研究目的の知識を有したエキスパートを検索する「エキスパート検索問題」に対し、ウェブ上のデータソースを用いた検索基板Social Expert Search Engineを提案。 Web上のデ…

読んだ:Modeling Opinion Dynamics in Social Networks(WSDM2014)

Modeling Opinion Dynamics in Social Networksかいつまんで読んだので適当。ネットワーク上のユーザが周辺のユーザを参考にして意見を繰り返しかえたり、世論の構造を理解することはバイラルマーケティングや情報拡散において重要。 本稿のモデルは周辺ユー…

読んだ:Learning Social Network Embeddings for Predicting Information Diffusion(WSDM2014)

情報拡散の分析・モデル化は既知のグラフや近接的な構造の上で扱われる。 しかし、複数のアクターとメディアの相互関係による潜在的な現象は複雑であり、 既存のモデルや限られた仮説だけでは説明できない。 我々は、この問題に対する新たなアプローチとして…

メモ:Visualizing Brand Associations from Web Community Photos(WSDM2014)

Visualizing Brand Associations from Web Community Photos見た目が大変良くて読み始めたけど途中で完全に沈没した。 アウトプットはものすごくビジネス受けしそうな感じはある。 1st autherがdisneyの人・ブランドアソシエーション...マーケティングにおけ…

読んだ:Search Engine Click Spam Detection Based on Bipartite Graph Propagation(WSDM2014)

殴り書いていくスタイル。Search Engine Click Spam Detection Based on Bipartite Graph Propagationクリックの情報は文書のランキングにおいて重要な要素である。 結果、いくつかのWebサイトは彼らのページへの不正なクリックの増加に よって高ランクを得…

読んだ:Predicting User Activity Level in Social Networks(CIKM2013)

ソーシャルメディア上でのユーザの振る舞いに関する重要な指標は、ユーザの週次の活動レベルやアクティブかディアクティブかをクラス分類するようなアクティビティレベルである。この予測問題はSocialCRM(ソーシャル上のユーザの関係管理)を密接に関係してい…

メモ:What Is the Added Value of Negative Links in Online Social Networks? WWW13

What Is the Added Value of Negative Links in Online Social Networks?signedネットワークについての論文 ネガティブリンクの特徴について調査. ネガティブリンクとは‐>foes…敵,distrust…不信 ネガティブリンクの予測をポジティブリンクだけを用いて行…

メモ:Predicting Group Stability in Online Social Networks:WWW13

Predicting Group Stability in Online Social Networksソーシャルなグループはしばしば高度なダイナミズムを見せる.いくつかのグループが栄える一方で多くのもが時間の経過により消滅する.グループの安定性をモデリングし,グループが(いつ)安定して存…

JSAI参加してないメモ4

JSAIはこれでラストにしよう多重有向ネットワーク成長モデルの特性解析現実の多重有向ネットワークがもつような特性を表現できる成長モデルの構築を目指す。 Twitterのお気に入りやRTを人の嗜好ネットワークと考えると、同じ人がつぶやくツイートを何度もお…

JSAI参加してないメモ3

ネットワーク構造が情報拡散に与える影響の分析情報が拡散しやすいネットワーク構造を解明する為の分析.情報の伝わりやすいネットワーク構造を把握するために4つの指標に着目. (1) 平均経路長 (2) クラスタ係数 (3) 同類選択性 (4) べき指数 これらの指標…

JSAI参加してないメモ2

リツイート時系列の 3 パラメータ混合対数正規分布モデルによる分析Twitterのリツイートストリームの特徴を表現できるモデルを構築.リツイートは、早い段階で爆発的に拡散してあとは全く拡散しない、というものだけでなく、一度バーストして少し時間が空い…

JSAI参加してないメモ

学会には当分参加できそうにないし、論文読んで気分だけ味わう。とりあえず気になるセッションの目に入った論文を読む・ソーシャルメディアを用いた支持獲得に関する分析と提案AKB総選挙を題材とし、Google+のアクションを使ってファンの傾向を分析1.G+上で…

論文が読めない雑記

ここのところ読んでいる論文、どれも読めなくてつらい. 読めない理由としては、とにかく数式が全く終えてない.一番読んでいるのは The Learning Behind Gmail Priority Inbox だけど、雰囲気はわかっても実装できるだけの理解力がない.参考にしているサイ…

メモ:Learning from the past:Answering New Questions with Past Answers(WWW2012)

http://www2012.wwwconference.org/proceedings/proceedings/p759.pdf CQA(今回はYahoo!answers)サイトにおいて,見回答の質問を,過去の解決済みの質問を再利用することで減少させることを試みる.ベストアンサーを提供した人間と同程度のクオリティを実現…

ざっくりメモ:Correcting for Missing Data in Information Cascades(WSDM11)

http://cs.stanford.edu/people/jure/pubs/cascades-wsdm11.pdf 情報拡散に関する研究 ネットワークがあるとき,そのネットワークを通じて情報が拡散する.(a)の図は,情報が流れる可能性のあるネットワーク(Twitterのフォロー関係とは逆向きになる) (b),(c…

読んだ:Microscopic Evolution of Social Networks(KDD08)

http://www.cs.cornell.edu/~lars/kdd08.pdf ソーシャルネットワークの成長モデル作成のための分析とモデル化,評価. 着目した事象として ・新ノード生成間隔 ・ノードの寿命 ・エッジ生成ギャップ ・三角形のサブグラフ≒Connected Nearest Neighbor 各々の…

読んでみた…:eTrust: Understanding Trust Evolution in an Online World(KDD12)

ユーザ間の信頼性とその発展の視点はあまり見たことなかったので,完全にはわからないながらも(既存手法を知らないので)読んでみた.レビューサイトを使っているあたりもわかりやすいかなと思ったので… http://www.public.asu.edu/~jtang20/publication/tr…

ざっと読んだ:measuring user influence in twitter the million follower fallacy ICWSM10

http://snap.stanford.edu/class/cs224w-readings/cha10influence.pdf あらまし ソーシャルメディア上の有向リンクは,親密な友人関係から共通の興味,もしくは緊急ニュースに対する熱狂,有名人の噂話まで全てを表現する.各々のリンクは情報の流れを決定し…