文献

J-GLOBAL ID：201702239562705457   整理番号：17A1346170

地図クエリ推薦のための階層的文脈注意リカレントニューラルネットワーク【Powered by NICT】

Hierarchical Contextual Attention Recurrent Neural Network for Map Query Suggestion

著者 (7件)： Song Jun (College of Computer Science and Technology, Zhejiang University, Hangzhou, Zhejiang, China) ,  Xiao Jun (Department of Computer Science, College of Computer Science, Zhejiang University, Hangzhou, Zhejiang, China) ,  Wu Fei (Department of Computer Science, College of Computer Science, Zhejiang University, Hangzhou, Zhejiang, China) ,  Wu Haishan (Heyi Ventures, Beijing, China) ,  Zhang Tong (Tencent AI Lab, Beijing, China) ,  Zhang Zhongfei Mark (Department of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, Zhejiang, China) ,  Zhu Wenwu (Department of Computer Science, Tsinghua University, Beijing, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 9  ページ： 1888-1901  発行年： 2017年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
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： オンライン地図質問システムからの質問ログは人間群衆の挙動を理解するための豊富な手がかりを提供する。大規模質問ログを収集する成長能力により,質問提案は,最近の興味の話題となっている。一般に,質問提案は群衆の質問ログの適切な学習によるユーザの入力に関して関連質問のリストを推奨することを目的としている。本論文では,マップ質問提案(例えば,関連する質問の予測)にとくに関心をもち符号化-復号化方法における地図質問提案のための新しいモデルを提案した階層的文脈注意リカレントニューラルネットワーク(HCAR NN)。群衆地図質問ログを考慮すれば,我々の提案したHCAR NNが,問合わせセッション(例えば,短期間隔で質問した探索ミッションを達成するために関係する)における地図質問間の局所時間相関を学習するだけでなく,質問ログ(例えば,短期間隔内で質問の配列が,他のシーケンスの質問に影響を及ぼすか)における地図質問セッション間のグローバルなより長い範囲の文脈依存性を捕捉した。市販検索エンジン(すなわち,Baiduマップ)からの百万質問の上で提案アプローチの評価を行った。実験結果は,提案手法が古典的メトリックス(即ち,Recall@KとMRR)に関してだけでなく,群衆の探索ミッションの予測における競合既存の方法を超える顕著な性能改善を提供することを示した。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： *復号化 ,  予測 ,  符号化
準シソーラス用語： 文脈依存性 ,  時間相関 ,  オンライン ,  *リカレントニューラルネットワーク ,  *クエリー , 【Automatic Indexing@JST】

分類 (1件)： データベースシステム  (JD03030U)

タイトルに関連する用語 (6件)： 地図 ,  クエリ ,  推薦 ,  文脈 ,  注意 ,  リカレントニューラルネットワーク