文献

J-GLOBAL ID：202002274790200561   整理番号：20A0292314

個別化セッションベース推奨のためのクロスドメイン階層的回帰モデル【JST・京大機械翻訳】

A cross-domain hierarchical recurrent model for personalized session-based recommendations

著者 (7件)： Wang Yaqing (Beijing Key Laboratory of Network System Architecture and Convergence, School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Guo Caili (Beijing Key Laboratory of Network System Architecture and Convergence, School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Chu Yunfei (Beijing Key Laboratory of Network System Architecture and Convergence, School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Chu Yunfei (Beijing Laboratory of Advanced Information Networks, Beijing University of Posts and Telecommunications, Beijing, China) ,  Hwang Jenq-Neng (Department of Electrical Engineering, University of Washington, Seattle, USA) ,  Feng Chunyan (Beijing Key Laboratory of Network System Architecture and Convergence, School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing, China) ,  Feng Chunyan (Beijing Laboratory of Advanced Information Networks, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 380  ページ： 271-284  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 最近,個人化されたセッションベースの勧告に多くの注意が払われており,そこではユーザの自動的あるいはアクティブなログインにより,詳細なユーザ情報が利用可能である。それにもかかわらず,ほとんどの方法は,ユーザが単一ドメインにおいてのみ活性であると仮定して,単一ドメインシナリオに焦点を合わせている。その結果,ユーザの行動がドメインを横切って散乱されるという事実を無視することにより,それらは常にデータの欠如を被っている。したがって,ユーザの交差領域挙動間の相関を探索することにより,クロスドメイン逐次情報を組み込むために,交差ドメイン階層的再帰モデル(CDHRM)と呼ばれる新しいモデルを提案した。具体的には,クロスドメインのユーザレベルのリカレントニューラルネットワーク(RNN)を考案し,クロスドメインのセッション間ダイナミクスを捉えることにより,ユーザのグローバルな関心を系統的に表現する。異なるドメインのセッション内動力学を別々に捉えるために,行動差を保存できる2つのドメイン特異的セッションレベルRNNsを構築した。一方,ドメイン間の相互作用の同期性を達成するために,ユーザレベルRNNは,年代順に異なるセッションレベルのRNNsと情報を交換する。さらに,異なる統合戦略を持つ融合層を導入して,行動差をさらに捉えた。最終的に,クロスドメインユーザレベルおよびセッションレベル情報を,ユーザの将来の挙動を予測するために共同的に利用した。経験的結果は,CDHRMが3つの交差領域データセットに関して最先端の方法より優れていて,ドメインを横切る非重複およびまばらなアイテム情報によってさえうまく機能することができることを示した。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： *回帰モデル ,  相互作用 ,  同時性
準シソーラス用語： リカレントニューラルネットワーク ,  ログイン , 【Automatic Indexing@JST】

著者キーワード (4件)： クロスドメイン推薦 ,  セッションベースの推奨 ,  リカレントニューラルネットワーク ,  個人化

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： セッション ,  推奨 ,  ドメイン ,  回帰モデル