文献

J-GLOBAL ID：201902271268429416   整理番号：19A0516170

深い意味解析による位置を意識した個人化ニュース推薦【JST・京大機械翻訳】

Location-Aware Personalized News Recommendation With Deep Semantic Analysis

著者 (4件)： Chen Cheng (Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing, China) ,  Meng Xiangwu (Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing, China) ,  Xu Zhenghua (Department of Computer Science, University of Oxford, Oxford, U.K.) ,  Lukasiewicz Thomas (Department of Computer Science, University of Oxford, Oxford, U.K.)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 1624-1638  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  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： モバイル機器の人気とモバイルWebの急速な成長により,ユーザはそれらを望んでいるニュースをブラウジングすることができる。従って,それらのニュース選好は,通常,それらの地理的状況に関連している。結果として,多くの研究努力が,それらに最も近いユーザニュースを推薦する位置認識ニュース推薦に置かれている。それにもかかわらず,実世界のコンテキストにおいて,ユーザのニュース選好はそれらの位置に関連するだけでなく,それらの個人的関心にも強く関連している。そこで,本論文では,ユーザの個人的関心と地理的文脈の両方を用いてニュースを推奨する,明示的意味分析(LP-ESA)を用いた位置認識個人化ニュース推薦と呼ばれるハイブリッド手法を提案した。しかしながら,LP-ESAにおけるWikipeaベースのトピック空間は,LP-ESAの性能を大幅に劣化させる高次元性,スパース性,および冗長性の問題を抱えている。これらの問題を解決するために,著者らは,ユーザ,ニュース,および位置のための高密度,抽象的,低次元,および効果的特徴表現を抽出するために推薦指向の深いニューラルネットワークを利用するためのLP-DSAと呼ばれる新しい方法を提案する。実験結果は,LP-ESAとLP-DSAが両方とも最先端のベースラインより著しく優れていることを示した。さらに,LP-DSAはLP-ESAよりはるかに低い時間コスト(25倍速い)でより効果的(19.8%-179.6%より良い)オンラインニュース推薦を提供した。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： 地理学 ,  意味解析 ,  *ニュース ,  高速度 ,  冗長性 ,  高次元 ,  ブラウジング ,  ニューラルネットワーク ,  携帯電話 ,  Web【情報システム】
準シソーラス用語： 高密度 ,  スパース性 ,  Wiki ,  モバイルデバイス ,  *個性化 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 意味解析 ,  意識 ,  個人化 ,  ニュース ,  推薦