γ-Poissonモデルを用いたユーザ型親和性推定【JST・京大機械翻訳】

Wu Fei; Li Yanen; Xu Ning

文献

J-GLOBAL ID：202002216015177778 整理番号：20A1929179

γ-Poissonモデルを用いたユーザ型親和性推定【JST・京大機械翻訳】

User Type Affinity Estimation Using Gamma-Poisson Model

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1929179&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (3件)： , ,
資料名：
号： WWW ’18 ページ： 39-40 発行年： 2018年
JST資料番号： D0698C 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)

ユーザのタイプに対するユーザの親和性(例えば,同じ出版物からのストリー,同じジャンルの映画)は,ユーザの興味を反映する重要な信号である。ユーザタイプ親和性の正確な推定は,ランキングと推薦システムにおける様々な応用を持つ。頻繁なユーザに対して,印象の数(例えば,コンテンツの回数が各ユーザに提示される)によって,コンテンツ(例えばクリック)との相互作用の数を簡単に分割することは,良い推定である。しかし,そのような推定は,疎なインタラクション履歴(例えば,新しいユーザ)を持つユーザにとって誤りがある。問題を軽減するために,特徴ベースのアプローチは,ユーザ人口統計学,位置,および関心のような,非クリック特徴だけを用いて,親和性スコアを予測する機能を学習することを目的とする。同様に,そのようなアプローチは頻出ユーザの相互作用履歴を完全に利用しない。2つのアプローチの限界によって動機づけられて,著者らは頻繁なユーザの相互作用履歴の利用を目的とするガンマ-Poissonモデルを提案し,また,まれなユーザのための特徴ベースのモデルを活用する。著者らの直感は,頻繁なユーザに対する親和性を推定するとき,相互作用履歴にもっと依存すべきであり,希少ユーザに対する特徴ベースモデルに関して,より勝るべきであるということであった。ユーザタイプアフィニティスコアの推定における提案した方法の有効性を実証するために,出版物コンテンツクリック予測タスクにおける大規模実世界データに関する実験結果を提示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (3件)： , ,

その他の情報処理 , 移動通信 , 人間機械系

, ,

前のページに戻る