文献

J-GLOBAL ID：202002243401486870   整理番号：20A1798885

レコメンダーシステムのためのカテゴリー属性ベースアイテム分類【JST・京大機械翻訳】

Categorical-attributes-based item classification for recommender systems

著者 (7件)： Zhao Qian (University of Minnesota and Google) ,  Chen Jilin (Google Inc.) ,  Chen Minmin (Google Inc.) ,  Jain Sagar (Google Inc.) ,  Beutel Alex (Google Inc.) ,  Belletti Francois (Google Inc.) ,  Chi Ed H. (Google Inc.)
資料名： ACM Proceedings  (ACM Proceedings)
号： RecSys ’18  ページ： 320-328  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： ユーザおよび/またはアイテムの側面情報を利用するための多くの技法は,特にコールドスタートアイテム/ユーザに関して推薦を改善する推薦者への入力として,数年間にわたって開発されている。本研究では,マルチタスク学習または階層的分類のいずれかを通して推薦モデルの出力において,アイテムサイド情報,特にカテゴリ属性を利用する手法を試験した。最初に,中サイズの実語データセットを持つ行列因数分解とニューラルネットワークの両方に対するこれらのアプローチの有効性を実証した。次に,それらは,産業規模の推薦システムにおけるニューラルネットワークベースの生産モデルを改善することを示した。階層構造を構築する際に雑音を導入することによって階層的分類手法のロバスト性を示した。最後に,ユーザ-項目相互作用の生成過程を完全に制御することができる2つのユーザモデルを構築することにより,シミュレーションデータセット上での階層的分類の一般化可能性を調べた。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： 雑音 ,  相互作用 ,  *ニューラルネットワーク ,  階層構造 ,  有効性 ,  ロバスト性
準シソーラス用語： 推奨システム ,  サイド情報 ,  マルチタスク学習 ,  行列因数分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： 階層的分類 ,  階層的ソフトマックス ,  マルチタスク学習 ,  レコメンダーシステム

分類 (2件)： その他の情報処理  (JE15050M) ,  その他の計算機利用技術  (JE14000C)

タイトルに関連する用語 (3件)： カテゴリー ,  属性 ,  分類