文献

J-GLOBAL ID：202002278562141277   整理番号：20A0339528

音楽発見のためのリカレントニューラルネットワークを用いたセッションに基づく推薦の改善【JST・京大機械翻訳】

Improved Session-Based Recommendations Using Recurrent Neural Networks for Music Discovery

著者 (3件)： Ye Yi (College of Information Science and Technology, Jinan University, Guangzhou, Guangdong, 510000, China) ,  Xie Yi (College of Information Science and Technology, Jinan University, Guangzhou, Guangdong, 510000, China) ,  Chen Cheng (College of Information Science and Technology, Jinan University, Guangzhou, Guangdong, 510000, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1314  号： 1  ページ： 012194 (7pp)  発行年： 2019年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 音楽プラットフォーム上の歌の数は大きく,一方ユーザは歌の一部にアクセスする。この問題を解決するために推薦システムを作成し,協調フィルタリングは最も広く使われている方法である。しかし,共同フィルタリング法は,プロジェクトのユーザ評価に非常に依存している。特に項目の特徴抽出とRNNによるセッションに基づく推薦のために,新しい推薦方法,Deep学習技術を提案した。本論文では,音楽発見のためのセッションベースの推薦と構築アーキテクチャのためのLSTMベースのアプローチを考察した。このアーキテクチャは4つのモジュールから構成されている:MDM(音楽データモデリング),NSP(Next Song Prediction LSTM),MLB(音楽ライブラリ構築)およびR4U(ユーザに対する勧告)。改善されたセッション並列ミニバッチとランク付け損失関数は,基本的なLSTMを修正するためにアーキテクチャによって活用される。実験を通して,著者らは,セッションベースのアルゴリズムベースラインに関するランキング計量(MRR@NとRecall@N)における相対的改良を得た。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 損失関数 ,  音楽 ,  基準線 ,  学習 ,  等級づけ ,  *計算機アーキテクチャ ,  特徴抽出 ,  フィルタリング ,  アルゴリズム
準シソーラス用語： データモデリング ,  ユーザ評価 ,  協調フィルタリング ,  推奨システム ,  歌 ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  楽器音響  (BB03070Y) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 音楽 ,  発見 ,  リカレントニューラルネットワーク ,  セッション ,  推薦