文献

J-GLOBAL ID：201902261731745083   整理番号：19A1386027

グループ推薦のための社会的影響ベースのグループ表現学習【JST・京大機械翻訳】

Social Influence-Based Group Representation Learning for Group Recommendation

著者 (6件)： Yin Hongzhi (The University of Queensland) ,  Wang Qinyong (The University of Queensland) ,  Zheng Kai (University of Electronic Science and Technology of China) ,  Li Zhixu (Soochow University) ,  Yang Jiali (Soochow University) ,  Zhou Xiaofang (The University of Queensland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICDE  ページ： 566-577  発行年： 2019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： 社会的な動物として,グループ活動は人々の日常社会生活において不可欠な部分であり,ユーザのグループに対する満足な活動を示唆する推薦システムに対する重要なタスクである。このタスクにおける主要な課題は,グループメンバーの個人的選好を集約し,グループの決定を推論する方法である。従来のグループ推薦法は優先集約のための事前定義戦略を適用した。しかしながら,これらの静的戦略は,グループ意思決定の実際的で複雑なプロセスをモデル化するのに非常に単純で,特にアドホックが形成される機会グループに対してそうである。さらに,グループメンバーはグループにおいて不均一な影響または重みを持つべきであり,ユーザの重量は異なるグループにおいて変化することができる。従って,理想的なグループ推薦システムは,ユーザの個人的選好だけでなく,データからの選好集約戦略も正確に学習することができる。本論文では,新しいグループ推薦システムを提案した。すなわち,Sigr(短いものは「社会情報に基づくグループRecomender」)である。それは,構築ブロックとして,注意メカニズムと二部グラフ埋込みモデルBGEMを取り入れる。具体的には,各ユーザの社会的影響を学習し,それらの社会的影響を異なるグループに適応させ,ユーザの社会的影響の推定をさらに改善するために,ユーザの全体的および局所的ソーシャルネットワーク構造情報を利用し統合するための新しい深い社会的影響学習フレームワークを開発する。BGEMは,モデルグループ-アイテム相互作用に拡張される。時々のグループによって生成される相互作用データの限界とスパース性を克服するために,著者らは,ユーザ-アイテム相互作用データをシームレスに統合するために,2つのモデル最適化手法を提案した。2つの大規模ベンチマークデータセットを作成し,それらに関する広範な実験を行った。実験結果は,最先端のグループ推奨モデルと比較することにより,提案したシグマの優位性を示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動物 ,  *学習 ,  集中化 ,  相互作用 ,  最適化手法 ,  モデリング ,  グループ活動
準シソーラス用語： シームレス ,  社会的ネットワーク ,  二部グラフ ,  社会情報 ,  グループ意思決定 ,  推奨システム ,  社会生活 ,  *社会的影響 , 【Automatic Indexing@JST】

分類 (3件)： その他の情報処理  (JE15050M) ,  データ保護  (JD01020V) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： グループ ,  推薦 ,  社会的影響 ,  表現学習