文献

J-GLOBAL ID：202002235548379085   整理番号：20A1795823

10%MyAppにおけるユーザ行動予測のための高速線形計算フレームワーク【JST・京大機械翻訳】

A Fast Linear Computational Framework for User Action Prediction in Tencent MyApp

著者 (3件)： Hu Yaochen (University of Alberta, Edmonton, Canada) ,  Niu Di (University of Alberta, Edmonton, Canada) ,  Yang Jianming (Tencent, Shenzhen, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’18  ページ： 2047-2055  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： ユーザ行動モデリングと予測は長い間,推薦システムとユーザプロファイリングへの重要性の話題である。予測のモデルまたは精度の品質は,大量のユーザを有する大規模システムのために推薦,広告表示,検索,その他のような関連アプリケーションにおいて重要な役割を果たし,また,訓練および予測待ち時間,メモリオーバヘッドのような他の実用的因子があり,システムの円滑な操作を確実にするように最適化しなければならない。次元縮小を伴う多数の二次交差特徴を扱うための高速線形計算フレームワークを提案した。訓練とサービスシステムアーキテクチャを活用することにより,合理的なメモリオーバヘッドのコストで,オンラインサービスからオフライン前処理への重い計算負荷をシフトする。Tentent MyAppからの15日間のデータトレースに関する実験は,提案フレームワークが,妥当な量のメモリオーバヘッドで2msでサービスされる間,フィールドアウェア化因子化マシン(FFM)のような非常に複雑なモデルに匹敵する予測性能を達成できることを示した。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】

シソーラス用語： *記憶装置 ,  最適化 ,  広告 ,  前処理 ,  大規模系 ,  応用プログラム ,  線形性 ,  待ち時間 ,  次元縮小 ,  機械学習 ,  システムアーキテクチャ
準シソーラス用語： オーバヘッド ,  計算負荷 ,  *ユーザ行動 ,  オフライン , 【Automatic Indexing@JST】

著者キーワード (4件)： 大規模システム ,  機械学習 ,  スピードアップ予測 ,  ユーザ行動モデリング

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： 行動予測 ,  線形 ,  計算 ,  フレームワーク