文献

J-GLOBAL ID：201702230825279517   整理番号：17A1353283

リカレントニューラルネットワークを用いた短期勧告【Powered by NICT】

Short-term recommendation with recurrent neural networks

著者 (5件)： Chu Yan (Harbin Engineering University, China) ,  Huang Fang (Beijing Simulation Center, China) ,  Wang Hongbin (Harbin Engineering University, China) ,  Li Guang (Harbin Engineering University, China) ,  Song Xuemeng (Shandong University, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICMA  ページ： 927-932  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 協調フィルタリングは,他のユーザの評価または挙動に及ぼすその予測と勧告を活用する一般的な推薦アルゴリズムである。しかし,すべてのユーザの評価または行動の使用よりもユーザの最近の評価または挙動がアイテムを予測する必要がある。,時間とともに変化する消費者の習慣を無視している可能性がある。本論文では,時系列をオンに関連した問題に対処し,リカレントニューラルネットワークにおけるゲート再発ユニットを使用するリカレントニューラルネットワークを構築した。ネットワークは,ユーザの最近の評価または挙動を配列し,各隠れ層は,ユーザの評価または挙動ためをモデル化した。さらに,予測精度を向上させるために逆伝搬ニューラルネットワークを用いたゲート再発ユニットを統合した。最後に,提案手法では,実験における高精度精度を得た。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 消費者 ,  モデリング ,  フィルタリング ,  再発 ,  *ネットワーク
準シソーラス用語： 高精度 ,  逆伝播ニューラルネットワーク ,  予測精度 ,  隠れ層 ,  協調フィルタリング ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 市場調査,広告  (KA06030H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： リカレントニューラルネットワーク ,  短期 ,  勧告