文献

J-GLOBAL ID：202002221190856680   整理番号：20A2283057

TimeSAN:次のポイントオブ関心推薦のための時間変調自己注意ネットワーク【JST・京大機械翻訳】

TimeSAN: A Time-Modulated Self-Attentive Network for Next Point-of-Interest Recommendation

著者 (3件)： He Jiayuan (The University of Melbourne,School of Computing and Information Systems,Australia) ,  Qi Jianzhong (The University of Melbourne,School of Computing and Information Systems,Australia) ,  Ramamohanarao Kotagiri (The University of Melbourne,School of Computing and Information Systems,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020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： 次に,POI訪問のユーザの歴史的記録に基づいてユーザへの魅力によりPOIのリストをランク付けすることを目指した。このタスクは,ユーザ選好が様々な文脈因子により影響されるので,困難である。本論文では,時間文脈因子,すなわちユーザのPOI訪問の時間を考察した。時間的コンテキストの影響をモデリングするための以前の試みは,因数分解に基づく方法と再帰ニューラルネットワークベースの方法の2つのグループに分類できる。第一グループは,その潜在推薦空間に時間次元を付加し,これは付加的次元によるデータスパース性問題を被る。第2のグループは,RNNにおける隠れおよびセル状態を更新するために,時間意識の文脈ゲートを使用して,それは長距離時間動特性を捕える際に限られた能力を有した。本論文では,次のPOI推薦のための時間変調self-attentiveネットワーク(TimeSAN)を提案した。このモデルは,ユーザの次のPOI訪問と自己注意機構による歴史的訪問の間の関係を学習し,その関連性は時間的文脈影響によって変調される。学習された時間意識関連性は,最終的な推薦を提供するために,ユーザの長期利益とさらに融合した。実世界データセットに関する広範な実験を行った。結果は,タイムSANが,高いモデル訓練効率を達成しながら,推薦精度において,従来手法よりも,一貫して,そして,かなり優れていることを確認した。Copyright 2020 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： *ネットワーク ,  因数分解 ,  等級づけ
準シソーラス用語： スパース性 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ポイント ,  関心 ,  推薦 ,  時間変調 ,  自己 ,  注意