文献

J-GLOBAL ID：202002219224205142   整理番号：20A1868023

協調フィルタリングのための変分オートエンコーダ【JST・京大機械翻訳】

Variational Autoencoders for Collaborative Filtering

著者 (4件)： Liang Dawen (Netflix, Los Gatos, CA, USA) ,  Krishnan Rahul G. (Massachusetts Institute of Technology, Cambridge, MA, USA) ,  Hoffman Matthew D. (Google AI, San Francisco, CA, USA) ,  Jebara Tony (Netflix, Los Gatos, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： WWW ’18  ページ： 689-698  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)

抄録/ポイント： 暗黙フィードバックのための協調フィルタリングに変分オートエンコーダ(VAEs)を拡張した。この非線形確率モデルは,主に協調フィルタリング研究を支配する線形因子モデルの限られたモデリング能力を超えることを可能にした。多項式尤度を持つ生成モデルを導入し,パラメータ推定のためにBayes推論を用いた。言語モデリングと経済学における広範な使用にもかかわらず,多項尤度は推薦者システム文献においてあまり注目されていない。学習目的のための異なる正則化パラメータを導入し,それは競合性能を達成するために重要であることを証明した。注目すべきことに,アニーリングを用いてパラメータを調整する効率的な方法がある。得られたモデルと学習アルゴリズムは,最大エントロピー識別と情報ボトルネック原理に情報理論的接続がある。経験的に,提案手法は,いくつかの実世界データセット上で,2つの最近提案されたニューラルネットワークアプローチを含む,いくつかの最先端のベースラインを凌駕することを示した。また,潜在因子協調フィルタリング文献における他の一般的に使用される尤度関数と多項式尤度を比較する拡張実験を行い,好ましい結果を示した。最後に,著者らは,原理的Bayes推論アプローチを採用し,そして,それが最も重要な改善を提供する設定を特徴づけることの賛否を同定した。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】

シソーラス用語： 焼なまし ,  情報理論 ,  多項式 ,  *変分法 ,  学習 ,  ニューラルネットワーク ,  Bayes推定 ,  経済学 ,  パラメータ推定 ,  確率モデル ,  学習アルゴリズム ,  尤度関数
準シソーラス用語： *協調フィルタリング ,  尤度 ,  生成モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： ベイズモデル ,  協調フィルタリング ,  陰的フィードバック ,  レコメンダーシステム ,  変分オートエンコーダ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 協調フィルタリング ,  変分オートエンコーダ