文献

J-GLOBAL ID：202002255547226667   整理番号：20A1196273

社会的推薦のためのユーザの多面的興味相関のモデリング【JST・京大機械翻訳】

Modeling Users’ Multifaceted Interest Correlation for Social Recommendation

著者 (3件)： Wang Hao (Baidu Inc., Beijing, China) ,  Shen Huawei (CAS Key Lab of Network Data Science and Technology, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China) ,  Cheng Xueqi (CAS Key Lab of Network Data Science and Technology, Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12084  ページ： 118-129  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： 推薦者システムは,ユーザがアイテムに関するユーザのフィードバックデータをマイニングすることによって,彼らの興味のある可能性のあるアイテムを利用することを示唆している。社会的関係は,ユーザに関する独立した情報源を提供し,推薦性能を改善するために利用できる。既存の推薦法の多くは,社会的関係をスカラー指標に精密化することにより,友人の訪問されたアイテムをユーザに直接推薦するか,あるいは友人の埋め込みが類似しているかを制約することにより,社会的影響を利用する。しかし,スカラー指標はユーザ間の多面的関心相関を表現できず,各ユーザの関心は複数の次元にわたって分布している。この問題に対処するために,著者らは新しい埋め込みベースのフレームワークを提案する。それは社会的推薦のためにユーザの多面的関心相関を利用する。著者らは,一対の友人間の関心相関を特性化するための相関ベクトルを学習するための次元的注意メカニズムを設計し,複数次元におけるユーザの関心相関の高い変動を捉えた。さらに,著者らは,ユーザ自身が重みとして相関ベクトルを埋め込むことを円滑にするために,友人の埋め込みを使用し,ユーザ間の複雑な非構造化社会的影響を構築した。2つの実世界データセットに関する実験結果は,モデリングユーザの多面的関心相関が推薦性能を著しく改善できることを実証した。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： ベクトル ,  情報源 ,  精密化 ,  *スカラー ,  キャラクタリゼーション

著者キーワード (5件)： 推薦システム ,  社会的影響 ,  興味相関 ,  注意機構 ,  POI推奨

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 社会 ,  推薦 ,  興味 ,  相関 ,  モデリング