文献

J-GLOBAL ID：202002236860212895   整理番号：20A1798858

レビューに基づく格付け予測のためのニューラルGauss混合モデル【JST・京大機械翻訳】

Neural gaussian mixture model for review-based rating prediction

著者 (5件)： Deng Dong (Beijing Key Lab of Traffic Data Analysis and Mining, Beijing, China) ,  Jing Liping (Beijing Key Lab of Traffic Data Analysis and Mining, Beijing, China) ,  Yu Jian (Beijing Key Lab of Traffic Data Analysis and Mining, Beijing, China) ,  Sun Shaolong (Academy of Mathematics and Systems Science, Beijing, China) ,  Zhou Haofei (Beijing Key Lab of Traffic Data Analysis and Mining, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： RecSys ’18  ページ： 113-121  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： レビューは推薦において重要な情報であることが証明されている。全体のユーザ-項目評価マトリックスと異なり,ユーザがアイテムのような理由を示すテキスト情報を提供できる。最近,ますます多くの研究者がレビューベースの評価予測に注意を払ってきた。2つの挑戦的な課題がある:レビューからユーザ/項目を特徴付け,推薦システムのためにそれらをどのように活用するかという代表的な特徴を抽出する方法。本論文では,レビューベースレイティング予測タスクのためのニューラルGauss混合モデル(NGMM)を提案した。その中で,レビューテキスト情報を用いてユーザとアイテムの2つの並列ニューラルネットワークを構築し,ユーザの好みとアイテムの性質を十分に抽出でき,2つの潜在ベクトルとして表現できる。共有層は,これらの2つのネットワークを一緒に結合するためにトップに導入され,レビューから学習された特徴に基づくユーザ-項目評価をモデル化する。具体的には,各評価がGauss混合モデルを介してモデル化され,そこでは各Gauss成分がゼロ分散,ユーザの潜在ベクトルにおける対応する成分によって記述される平均,および項目の潜在ベクトルにおける対応する成分によって示される重みを意味する。5つの実世界アマゾンレビューデータセットについて広範な実験を行った。実験結果は,提案NGMMモデルがレビューベースの評価予測タスクにおいて最先端の性能を達成することを実証した。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： *ベクトル ,  ネットワーク ,  ニューラルネットワーク ,  等級づけ
準シソーラス用語： 推奨システム ,  *Gauss混合モデル ,  深層学習 ,  テキスト情報 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  Gauss混合モデル ,  勧告 ,  レビューに基づく格付け予測

分類 (4件)： その他の情報処理  (JE15050M) ,  市場調査,広告  (KA06030H) ,  計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： レビュー ,  格付け ,  予測 ,  Gauss混合モデル