文献

J-GLOBAL ID：202002241403266570   整理番号：20A2084912

何時からどこへ:次の関心点推薦のためのマルチタスク学習アプローチ【JST・京大機械翻訳】

From When to Where: A Multi-task Learning Approach for Next Point-of-Interest Recommendation

著者 (5件)： Zhong Jinwen (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Zhong Jinwen (School of Cyber Security, University of Chinese Academy of Sciences, Beijing, China) ,  Ma Can (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Zhou Jiang (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China) ,  Wang Weiping (Institute of Information Engineering, Chinese Academy of Sciences, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12384  ページ： 781-793  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 時間的情報は,位置ベースソーシャルネットワーク(LSBN)におけるユーザ行動を解析する際に重要な役割を果たす。歴史的な時間的情報のみを利用するマトリックス因子分解(MF)と再帰ニューラルネットワーク(RNN)方法論のような既存の方法と異なり,本論文では,POI推薦を支援するためのユーザの将来のチェックインタイムの予測を探求することを試みた。新しいマルチタスクニューラルネットワーク推薦モデル,即ち,ユーザが次に次のように学習するときに学習するMTNRを提案する。次のチェックイン時間予測に基づくユーザの次のPOI選好を学ぶために,著者らは,それぞれユーザの共通および個人のPOI遷移確率を計算するために,2種類の時間減衰POI遷移テンソルを導入した。POIと時間予測タスクで学習されたPOI選好を結合することによって,MTNRはPOI推薦においてより良い推薦精度を得ることができる。3つの実世界データセットに関する実験を行った。結果は,著者らのモデルがよく知られた方法を著しく凌ぐことを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 遷移確率 ,  テンソル ,  *ニューラルネットワーク
準シソーラス用語： 因子分解 ,  *関心領域 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチタスク学習 ,  関心点の推奨 ,  リカレントニューラルネットワーク

分類 (2件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 関心 ,  推薦 ,  マルチタスク学習