文献

J-GLOBAL ID：202002238935525627   整理番号：20A1999096

プレイリスト完成のための事前訓練埋込みを用いたリカレントニューラルネットワークのアンサンブルアプローチ【JST・京大機械翻訳】

An Ensemble Approach of Recurrent Neural Networks using Pre-Trained Embeddings for Playlist Completion

著者 (8件)： Monti Diego (Politecnico di Torino) ,  Palumbo Enrico (ISMB-EURECOM) ,  Rizzo Giuseppe (ISMB) ,  Lisena Pasquale (EURECOM) ,  Troncy Raphaeel (EURECOM) ,  Fell Michael (Universite Cote d’Azur) ,  Cabrio Elena (Universite Cote d’Azur) ,  Morisio Maurizio (Politecnico di Torino)
資料名： ACM Proceedings  (ACM Proceedings)
号： RecSys Challenge ’18  ページ： 1-6  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： 本論文では,プレイリスト完了のタスクに焦点を当てたRecSysチャレンジ2018に対するD2KLabチームのアプローチについて述べた。入力として,トラック,芸術家,アルバム,および標題を表す事前訓練埋込みをレバーする異なる再帰ニューラルネットワークのアンサンブル戦略を提案する。また,著者らは,創造的追跡のためにネットワークに供給する意味的および文学的特徴を抽出するリリックを使用した。RNNは,プレイリストにおけるアイテムのシーケンスから確率モデルを学習し,次に,プレイリストに追加される最もありそうなトラックを予測するために使用する。トラックのないプレイリストに関して,著者らは,プレイリスト標題だけを用いて推薦を生成するTitle2Recと呼ばれるフォールバック戦略を実行した。RNN,Title2Rec,およびアンサンブルアプローチを検証セット,最適化アルゴリズム,学習速度,および生成戦略のようなハイパーパラメータを調整した。このアプローチは,プレイリストのためのトラックの予測と多様なタイプの入力を含む柔軟化に有効であるが,訓練フェーズでは計算的に要求されている。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： *ネットワーク ,  文学 ,  最適化手法 ,  *ニューラルネットワーク ,  確率モデル
準シソーラス用語： リカレントニューラルネットワーク ,  学習速度 ,  アルバム ,  *プレイリスト ,  ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  オーディオ機器  (NC06010U)

タイトルに関連する用語 (5件)： プレイリスト ,  訓練 ,  埋込み ,  リカレントニューラルネットワーク ,  アンサンブル