文献

J-GLOBAL ID：202002220854971307   整理番号：20A2013524

注意機構に基づくユーザ選好膜推薦に関する研究【JST・京大機械翻訳】

Research on User Preference Film Recommendation Based on Attention Mechanism

著者 (4件)： Zhu Lei (College of Computer Science and Electronic Engineering, Hunan University, Changsha, China) ,  Liu Yufeng (College of Computer Science and Electronic Engineering, Hunan University, Changsha, China) ,  Zhang Wei (College of Computer Science and Electronic Engineering, Hunan University, Changsha, China) ,  Yang Kehua (College of Computer Science and Electronic Engineering, Hunan University, Changsha, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12240  ページ： 428-439  発行年： 2020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： 環境,年齢,および関心のような異なる要因の影響のため,誰も,映画の異なる味覚と評価を持っている。これらの要因を用いて,映画推薦のためのより個別化された推薦計算を行うことができたが,多くの伝統的方法は,これらの因子を十分に統合しなかった。したがって,推薦システムにおける多重方向から鍵情報を効果的に抽出する方法は,まだ挑戦的な問題である。本論文では,入力としてユーザ,フィルム,および映画スコアリングデータを使用し,訓練としてマルチヘッド注意機構を組み込んだCNN-BLSTM深層学習モデルを使用し,最終的に,推薦のためのユーザ選好を計算するために出力特性を結合した。畳み込みニューラルネットワークとLSTMを用いて,マトリックスからユーザと映画特徴情報を抽出し,マルチヘッド注意機構もデータから鍵情報を抽出できる。異なるモデルの比較実験分析は,注意機構に基づく著者らの提案したユーザ選好モデルが,従来の抽出法より良い性能を得ることができることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 味覚 ,  *多重化 ,  比較試験
準シソーラス用語： 深層学習 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： 多頭注意 ,  推奨システム ,  ユーザ選好 ,  深層学習

分類 (2件)： その他の情報処理  (JE15050M) ,  映画  (ZA04050E)

タイトルに関連する用語 (4件)： 注意 ,  選好 ,  推薦 ,  研究