文献

J-GLOBAL ID：202002259782892276   整理番号：20A1006515

短いテキスト会話を再推薦するためのSEQ2seqモデル【JST・京大機械翻訳】

Seq2Seq models for recommending short text conversations

著者 (5件)： Torres Johnny (Escuela Superior Politecnica del Litoral, ESPOL, Guayaquil, Ecuador) ,  Vaca Carmen (Escuela Superior Politecnica del Litoral, ESPOL, Guayaquil, Ecuador) ,  Teran Luis (University of Fribourg, Boulevard de Perolles 90, Fribourg, Switzerland) ,  Teran Luis (Universidad de las Fuerzas Armadas ESPE, Av. General Ruminahui S/N, Ecuador) ,  Abad Cristina L. (Escuela Superior Politecnica del Litoral, ESPOL, Guayaquil, Ecuador)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 150  ページ： Null  発行年： 2020年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ソーシャルメディアネットワークに関する大量のデータは,ユーザにとって圧倒的である。この理由のために,関連するコンテンツを推奨することは,情報過負荷を避けるための不可欠なタスクになる。本論文では,特定の領域における結合変換に興味を持つユーザを推薦するための新しいタスクを提案した。そのために,著者らは,政治,スポーツ,あるいは人人主義的活動のようなドメイン上のTwitter上の人気のあるユーザから会話スレッドを含む新しいコーパスを導入した。ユーザ生成データが非構造化で雑音が多いので,マイクロブログに関する短いテキスト会話のモデリングは困難である。以前の研究は,潜在的因子モデルと共同フィルタリング法に基づくユーザへの推薦内容に焦点を合わせた。本論文では,ユーザのプロファイルのテキストと再帰ニューラルネットワークのいくつかの変種を用いた会話の文脈を符号化する,シーケンスからシーケンスへのニューラルアーキテクチャに基づく最先端の推薦モデルを提案した。実験結果は,著者らの方法がベースライン法と比較して20%高い再現率を提供することを示した。さらに,事前に訓練された埋め込みを用いることにより,新しいコンテンツにより良く一般化される推薦システム(RS)を使用するための下流アプリケーションを可能にするエンドツーエンド学習フレームワークを使用し,ドメインまたはイベントにわたって有用である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  学習 ,  ネットワーク ,  ニューラルネットワーク ,  フィルタリング ,  エンドツーエンド方式 ,  応用プログラム ,  コーパス ,  スレッド ,  会話 ,  *コンテンツ
準シソーラス用語： 再現率 ,  ソーシャルメディア ,  ツイッター ,  マイクロブログ , 【Automatic Indexing@JST】

著者キーワード (4件)： NLP ,  推薦システム ,  神経学習 ,  マイクロブログ

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： 会話 ,  推薦 ,  モデル