文献

J-GLOBAL ID：201802232545785256   整理番号：18A1453724

マルチタスク融合モデルに基づくユーザ属性推定【JST・京大機械翻訳】

Demographic Attributes Inference Based on Multi-task Ensemble Model

著者 (3件)： Zhao Yu (太原理工大学計算机科学与技術学院,晋中,030600) ,  Li Jiayi (太原理工大学計算机科学与技術学院,晋中,030600) ,  Wang Li (太原理工大学大数据学院,晋中,030600)
資料名： Shuju Caiji yu Chuli  (Shuju Caiji yu Chuli)
巻： 33  号： 2  ページ： 334-342  発行年： 2018年 
JST資料番号： W1502A  ISSN： 1004-9037  CODEN： SCYCE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的ユーザ属性推定方法は,機械学習と統計的学習に基づくものであり,その推定方法は,ユーザの全体的表現とタスクの間の相関を無視した。本論文では,マルチタスク融合モデルに基づいたユーザ属性推定法を提案し,doc2vecの独特の構造特性を利用して,文書ベクトルを加入し,ユーザの全体特性を実現した。それは,人工抽出特性の限界を避ける。ユーザの多属性推定のタスクを実現するために,本論文は,マルチタスク融合推定フレームワーク,すなわち,利用者の複数の属性を認識して,単一利用者の多属性特性を付与するために,関連学習に基づくマルチタスク融合推定フレームワークを提案した。利用者の全体的表現能力を強化すると同時に,複数の属性間の関係を確立し,単一タスク学習の識別度を改善した。次に,モデル融合技術を採用し,属性間関連学習を完成し,学習精度およびモデル一般化能力を改善し,できるだけ少ないモデルを融合し,モデルの効率を改善した。実験的比較により、本文は多数のデータセット上での実験結果は他のアルゴリズムより一定の優位性がある。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 構造特性 ,  アルゴリズム ,  機械学習 ,  モデリング ,  ベクトル ,  *学習
準シソーラス用語： 推定法 ,  確率学習 ,  *マルチタスク , 【Automatic Indexing@JST】

著者キーワード (3件)： natural language processing ,  doc2vec ,  multitasking ensemble

分類 (3件)： システム・制御理論一般  (IA02010H) ,  図形・画像処理一般  (JE04010I) ,  計算機シミュレーション  (JE11000H)

タイトルに関連する用語 (5件)： マルチタスク ,  融合 ,  モデル ,  属性 ,  推定