文献

J-GLOBAL ID：202002241451555757   整理番号：20A2500044

敵対訓練によるコンテンツ意識映画推薦における長期および短期情報の利用【JST・京大機械翻訳】

Leveraging Long and Short-Term Information in Content-Aware Movie Recommendation via Adversarial Training

著者 (7件)： Zhao Wei (Chinese Academy of Sciences, Shenzhen Institutes of Advanced Technology, Shenzhen, China) ,  Wang Benyou (Department of Information Engineering, University of Padua, Padua, Italy) ,  Yang Min (Chinese Academy of Sciences, Shenzhen Institutes of Advanced Technology, Shenzhen, China) ,  Ye Jianbo (Department of Computer Science, Pennsylvania State University, University Park, PA, USA) ,  Zhao Zhou (School of Computer Science, Zhejiang University, Hangzhou, China) ,  Chen Xiaojun (College of Computer Science and Software, Shenzhen University, Shenzhen, China) ,  Shen Ying (School of Electronics and Computer Engineering, Peking University Shenzhen Graduate School, Shenzhen, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 50  号： 11  ページ： 4680-4693  発行年： 2020年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
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： モバイル推薦システムは,個人の好みと制約に基づく映画のランクリストを持つユーザを提供する。ランキング結果を生成するために,2種類のモデルが一般的に用いられている。1)長期モデルと2)セッションベースモデル。長期ベースモデルは,時間を通してゆっくり変化すると考えられるユーザと映画の間の相互作用を表し,一方,セッションベースモデルは,ユーザの関心の情報と,短い項における映画の属性の変化動力学を符号化する。本論文では,広告訓練を用いたコンテンツ意識映画推薦のための長期および短期情報を活用するLSICモデルを提案した。敵対的プロセスにおいて,著者らは,順次ユーザに次の映画を推薦する強化学習のエージェントとして,発電機を訓練する。また,実際の記録から映画の生成されたリストを識別する試みをする弁別器を訓練する。映画の事後情報は,映画推薦の性能をさらに改善するために統合され,少数の評価が利用できるとき,特に必須である。実験は,提案モデルが競争者に対してロバスト優位性を持ち,最先端の結果を達成することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  弁別器 ,  広告 ,  等級づけ ,  ロバスト性 ,  携帯電話 ,  エージェント ,  強化学習 ,  *コンテンツ
準シソーラス用語： 推奨システム , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (8件)： 敵対 ,  訓練 ,  コンテンツ ,  意識 ,  映画 ,  推薦 ,  長期 ,  短期