文献

J-GLOBAL ID：202002250615382202   整理番号：20A0499757

結合畳込み行列因子分解による文書文脈意識推薦を作るための学習【JST・京大機械翻訳】

Learning to Make Document Context-Aware Recommendation with Joint Convolutional Matrix Factorization

著者 (8件)： Guo Lei ( School of Business, Shandong Normal University, Jinan, China) ,  Guo Lei ( Postdoctoral Research Station of Management Science and Engineering, Shandong Normal University, Jinan, China) ,  Han Yu ( School of Business, Shandong Normal University, Jinan, China) ,  Jiang Haoran ( Information Technology Bureau, Shandong Post Company, Jinan, China) ,  Yang Xinxin ( School of Information Science and Engineering, Shandong Normal University, Jinan, China) ,  Wang Xinhua ( School of Information Science and Engineering, Shandong Normal University, Jinan, China) ,  Liu Xiyu ( School of Business, Shandong Normal University, Jinan, China) ,  Liu Xiyu ( Postdoctoral Research Station of Management Science and Engineering, Shandong Normal University, Jinan, China)
資料名： Complexity  (Complexity)
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： W2044A  ISSN： 1076-2787  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 文脈認識推薦(CR)は,ユーザアイテムデータのデータスパース性問題を軽減するために,オンラインシステムにおけるコンテキスト情報を調査することによって関連アイテムを推薦するタスクである。以前の方法は,主に文書ベースのモデリングアプローチによりCRを研究し,それは,レビュー,抽象化,あるいはsynのようなテキストデータを付加的に利用することにより推奨を行う。しかしながら,単語モデルの固有の限界により,文書の文脈情報を効果的に利用することはできず,文書の浅い理解をもたらす。最近の研究は,文書文脈の理解が畳込みニューラルネットワーク(CNN)により改善され,畳込み行列因数分解(ConvMF)を提案し,評価予測精度を強化するために文書の文脈情報を活用することを提案した。しかしながら,ConvMFは,アイテムビューから文書コンテンツコンテキストをモデル化するだけであり,ユーザが独立で,同一に配布されている(i.i.d)。しかし,現実において,著者らが推薦のために著者らの友人にしばしば変わるので,社会的関係と社会的レビューは,著者らの心を最も変えることができる2つの重要な要因であった。さらに,利用者は,それらが購入(またはクリック)するという項目と相互作用する傾向がある。アイテム間の関係は,ユーザの最終決定に影響する重要な因子でもある。上記の観察に基づいて,本研究では,著者らはCRを目標とし,共同畳込み行列因数分解(JCMF)法を提案し,アイテムのレビュー,アイテムの関係,ユーザの社会的影響,およびユーザのレビューを統一フレームワークにおいて共同的に考慮した。より具体的には,アイテムの関係を調べるために,共有アイテム潜在因子によりConvMFにあらかじめ定義されたアイテム関係ネットワークを導入し,アイテム関係(CMF-I)による畳込み行列因数分解と呼ばれる方法を提案した。ユーザの社会的影響を考慮するために,ユーザのソーシャルネットワークをユーザのソーシャルネットワークとユーザアイテム評価マトリックスの間のユーザの潜在的因子を共有することによってさらに統合する。それは推薦プロセスを制約するための正則化用語として扱うことができる。最後に,ユーザのレビューの文書文脈情報をモデル化するために,著者らは,ユーザのコンテンツ表現を学習するためにもう一つのCNNを利用して,著者らの最終モデルJCMFを達成した。Yelpからの実世界データセットに関する広範な実験を行った。実験結果は,根平均二乗誤差(RMSE)と平均誤差(MAE)に関して,いくつかの最先端の方法と比較して,JCMFの優位性を実証した。Copyright 2020 Lei Guo et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ネットワーク ,  コンテンツ ,  正則化 ,  購買 ,  オンラインシステム ,  単語 ,  相互作用
準シソーラス用語： 平均二乗誤差 ,  社会的ネットワーク ,  予測精度 ,  行列因数分解 ,  畳込みニューラルネットワーク ,  文脈情報 ,  *因子分解 , 【Automatic Indexing@JST】

分類 (2件)： 自然語処理  (JE06000L) ,  その他の情報処理  (JE15050M)

引用文献 (48件)：

• S. Li, J. Kawale, Y. Fu, "Deep collaborative filtering via marginalized denoising auto-encoder," Proceedings of the 24th ACM International on Conference on Information and Knowledge Management (CIKM ’15), pp. 811-820, ACM, Melbourne, Australia, October 2015.
• Y. Bao, H. Fang, J. Zhang, "Topicmf: simultaneously exploiting ratings and reviews for recommendation," Proceedings of the Twenty-Eighth AAAI Conference on Artificial Intelligence, Québec, Canada, July 2014.
• H. Wang, N. Wang, D.-Y. Yeung, "Collaborative deep learning for recommender systems," Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1235-1244, ACM, Sydney, Australia, August 2015.
• D. Kim, C. Park, J. Oh, H. Yu, "Deep hybrid recommender systems via exploiting document context and statistics of items," Information Sciences, vol. 417, pp. 72-87, 2017.
• Y. Tan, M. Zhang, Y. Liu, S. Ma, "Rating-boosted latent topics: understanding users and items with ratings and reviews," Proceedings of the International Joint Conferences on Artificial Intelligence, vol. 16, pp. 2640-2646, New York, NY, USA, July 2016.

タイトルに関連する用語 (8件)： 畳込み ,  行列 ,  因子分解 ,  文書 ,  文脈 ,  意識 ,  推薦 ,  学習