抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ユーザとアイテム/製品間の逐次インタラクションのモデリングは,電子商取引,ソーシャルネットワーキング,教育などの分野で重要である。表現学習は,ユーザとアイテムの動的進化をモデル化する魅力的な機会を提示し,そこでは,各ユーザ/アイテムをユークリッド空間に埋め込むことができ,その進化は,この空間における埋込み軌跡によってモデル化できる。しかしながら,既存の動的埋込み法は,ユーザが行動を取るときのみ埋込みを生成し,埋込み空間におけるユーザ/アイテムの将来の軌道を明示的にモデル化しない。ここでは,ユーザとアイテムの埋込み軌跡を学習する結合再帰ニューラルネットワークモデルであるJODIEを提案した。JODIEは,ユーザとあらゆるインタラクションにおけるアイテムの埋込みを更新するために2つの再帰ニューラルネットワークを使用する。さらに,JODIEはユーザ/アイテムの将来の埋込み軌跡もモデル化する。この目的のために,将来,任意の時間でユーザの埋込みを推定するように学習する新しい投影演算子を導入した。次に,これらの推定埋込みを用いて将来のユーザ-項目相互作用を予測した。本方法をスケーラブルにするために,時間整合バッチを生成し,9x高速訓練を導くt-Batchアルゴリズムを開発した。6つの実験を行い,2つの予測タスク-フュージョン相互作用予測と状態変化予測-利用4つの実世界データセットを用いてJODIEを検証した。JODIEは,将来の相互作用の予測において少なくとも20%,状態変化予測において12%のこれらのタスクにおいて,6つの最先端アルゴリズムより優れていることを示した。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】