文献

J-GLOBAL ID：202002271619097054   整理番号：20A2263255

実時間イベント予測のための動的異種グラフニューラルネットワーク【JST・京大機械翻訳】

Dynamic Heterogeneous Graph Neural Network for Real-time Event Prediction

著者 (8件)： Luo Wenjuan (AI Labs, Didi Chuxing, Beijing, China) ,  Zhang Han (AI Labs, Didi Chuxing, Beijing, China) ,  Yang Xiaodi (AI Labs, Didi Chuxing, Beijing, China) ,  Bo Lin (AI Labs, Didi Chuxing, Beijing, China) ,  Yang Xiaoqing (AI Labs, Didi Chuxing, Beijing, China) ,  Li Zang (AI Labs, Didi Chuxing, Beijing, China) ,  Qie Xiaohu (Didi Chuxing, Beijing, China) ,  Ye Jieping (AI Labs, Didi Chuxing, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’20  ページ： 3213-3223  発行年： 2020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： 顧客応答予測は,オンライン広告や推薦のような多くの産業応用で重要である。特に,応答予測モデルは,周囲の交通や供給や需要条件のような物理的環境における歴史的でリアルタイムの事象情報を考慮する必要があるので,UberやDiDiのような乗り上げプラットフォームにとって,課題はより大きい。本論文では,イベントとその周囲の属性を符号化するために,各進行中のイベントに対して動的に構築された不均一グラフを用いることを提案した。さらに,現在の事象に対する歴史的行動と周辺環境の影響を学習するための多層グラフニューラルネットワークモデルを提案し,応答モデルの精度を改善するために効果的なイベント表現を生成する。このフレームワークをDiDiプラットフォームの2つの実用的応用に対して調べた。オフラインおよびオンライン実験は,このフレームワークが予測性能を著しく改良することができることを示した。フレームワークはオンライン生産環境で展開され,毎日何百万のイベント予測要求を果たす。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： *多層
準シソーラス用語： オンライン ,  オフライン ,  インターネット広告 , 【Automatic Indexing@JST】

著者キーワード (3件)： 動的グラフ埋込み ,  異種グラフニューラルネットワーク ,  リアルタイムイベント埋込み

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 実時間 ,  イベント ,  予測 ,  グラフニューラルネットワーク