抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
変分推論と学習をランク付けする組合せであるRank(VL2R)に対する変分学習を提示した。組合せは,各製品に対するモデルの妥当性の不確実性に従って,製品探索/カテゴリーリストのシャッフリングを導入することによって,アルゴリズムの探査と開発のバランスをとる自然な方法を提供する。単純化して,著者らは,関連に関してより低い不確実性を有する(古い)製品より関連性に関してより高い不確実性を有する(より新しい)製品を摂動した。著者らの形式は,ランキングとシャフリングが別々の問題として扱われる既知の最先端システムと比較して,ランキングとシャフリングの両方を最適化するエンドツーエンドモデルを訓練することを可能にする。VL2Rはオフライン学習段階で傾向スコアリングを行う統合方法を提供し,選択バイアスを低減する。このシステムは簡単であるが,強力で柔軟である。それをSalesce Commerceクラウド内に実装した。プラットフォーム500百万のユニークなオンラインショッパーは,FY18の53+カ国における2750のウェブサイトにわたって,各月と相互作用した。本講演では,著者らは,このシステムをランク付けし,VL2Rを最適化し,それを生産で実行するための著者らの初期経験を共有するために,著者らの変分学習の詳細につなげる。VL2Rを推薦システムコミュニティと共有することにより,この方向におけるより多くの研究を促進し,カタログの変化に対するユーザ選好の学習においてより高速であるシステムをもたらすことが期待される。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】
