文献

J-GLOBAL ID：202002259031284353   整理番号：20A1997400

連合ユーザレビューと項目レビューのための推奨アルゴリズム【JST・京大機械翻訳】

Recommendation Algorithm for Federated User Reviews and Item Reviews

著者 (3件)： Feng Xingjie (Civil Aviation University of China, Dongli District, Tianjin City, China) ,  Zeng Yunze (Civil Aviation University of China, Dongli District, Tianjin City, China) ,  Xu Yixiong (Civil Aviation University of China, Dongli District, Tianjin City, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： AIVR 2018  ページ： 97-103  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： スコアリングマトリックスに基づく推薦モデルは,広く使われている。それは一定の推薦精度を達成したが,ユーザの興味を反映するレビューで利用可能な大量の意味情報を無視し,データスパース性問題がまだ存在する。上記の問題に応じて,ユーザレビューとアイテムレビューを組み合わせた2チャネルCNN推薦アルゴリズム(C-DCNN,Combine-Double CNN)を提案した。最初に,ユーザとアイテムレビューテキストを単語ベクトルにベクトル化し,次にユーザとアイテムの特徴を2つのCNNネットワークを用いて抽出した。最後に,抽象特徴を,特定のアイテムに対するユーザの格付けの予測を目的とする共有層におけるドット積を通して同じ特徴空間に写像した。アマゾン,Yelp,およびBeerの公開データセットに関する実験は,C-DCNNモデルが,ユーザとアイテムの深い特徴を特性評価するためのレビューを完全に利用することを示している。異なるデータセットに関するモデルのMSEは,他のベンチマークアルゴリズムより小さかった。そして,C-DCNNはデータスパース性の問題を効果的に軽減する。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： *アルゴリズム ,  ベクトル ,  ネットワーク ,  キャラクタリゼーション ,  ベンチマーク ,  単語
準シソーラス用語： スパース性 ,  ベクトル化 ,  意味情報 ,  スコア化 ,  特徴空間 ,  *ユーザレビュー ,  推薦アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 畳込みニューラルネットワーク ,  データスパース性 ,  二重チャネル ,  推薦システム ,  語ベクトル

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

タイトルに関連する用語 (4件)： ユーザレビュー ,  レビュー ,  推奨 ,  アルゴリズム