文献

J-GLOBAL ID：201902260184175183   整理番号：19A1540957

異種情報ネットワーク上の推薦のためのMeta-グラフと注意の結合【JST・京大機械翻訳】

Combining Meta-Graph and Attention for Recommendation over Heterogenous Information Network

著者 (4件)： Zhao Chenfei (School of Mathematical Sciences, Peking University, Beijing, China) ,  Wang Hengliang (School of Mathematical Sciences, Peking University, Beijing, China) ,  Li Yuan (School of Mathematical Sciences, Peking University, Beijing, China) ,  Mu Kedian (School of Mathematical Sciences, Peking University, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11446  ページ： 383-397  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最近,不均一情報ネットワーク(HIN)は,豊富なオブジェクトのモデリングと複雑な関係における柔軟性により,推薦システムにおいて広い注目を集めている。ハイレベル構造を獲得し,ユーザとアイテムのマイニングされた特徴を効果的に融合させるために,HINに基づく推薦者にとって依然として挑戦的である。本論文において,著者らは,MGARと呼ばれるHINに関する推薦のためのアプローチを提案した。それは,Metaグラフと攻撃を扱うための注意を結合した。情報的に言い換えて,メタグラフを特徴抽出に適用して,より多くの意味情報を獲得した。一方,注意機構を用いて,異なるメタグラフから生じる特徴を融合した。MGARは2つの段階に分割できる。第一段階では,行列因数分解法を適用して,あらかじめ定義されたメタグラフに基づく潜在的因子を生成した。第二段階では,ユーザとアイテムの埋め込みを神経注意機構と融合した。そして次に,複雑な相互作用をモデル化することによって推薦を作るために,深いニューラルネットワークを採用した。2つの実際のデータセット上での実験により,MGARが最先端の性能を達成することCopyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 柔軟性 ,  *グラフ ,  相互作用 ,  *情報ネットワーク ,  ニューラルネットワーク ,  特徴抽出 ,  モデリング
準シソーラス用語： 神経 ,  行列因数分解 ,  意味情報 ,  推奨システム , 【Automatic Indexing@JST】

著者キーワード (4件)： 異種情報ネットワーク ,  Meta-グラフ ,  注意 ,  推薦システム

分類 (5件)： データ保護  (JD01020V) ,  図形・画像処理一般  (JE04010I) ,  CAI  (JE09000G) ,  人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 情報ネットワーク ,  推薦 ,  グラフ ,  注意