文献

J-GLOBAL ID：202002289553048115   整理番号：20A2263021

増分モバイルユーザプロファイリング:イベントストリームをモデル化するための空間知識グラフによる強化学習【JST・京大機械翻訳】

Incremental Mobile User Profiling: Reinforcement Learning with Spatial Knowledge Graph for Modeling Event Streams

著者 (5件)： Wang Pengyang (University of Central Florida, Orlando, FL, USA) ,  Liu Kunpeng (University of Central Florida, Orlando, FL, USA) ,  Jiang Lu (Northeast Normal University, Changchun, China) ,  Li Xiaolin (Nanjing University, Nanjing, UNK, China) ,  Fu Yanjie (University of Central Florida, Orlando, FL, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’20  ページ： 853-861  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： 混合ユーザイベントストリームからの増分学習により,モバイルユーザを動的に更新したプロファイルベクトルに写像することを目的とする,インクリメンタルモバイルユーザプロファイリングのための強化学習と空間知識グラフの統合を研究した。多くのプロファイリング法を探究した後,プロファイリング精度をよりよく評価し最適化するための新しい模倣ベース基準を同定した。ユーザプロファイルに基づく次のビジョンを計画するためにモバイルユーザを模倣する自律エージェントを教育する目的を考慮して,エージェントがユーザの活動パターンを完全に模倣できるとき,ユーザプロファイルは最も正確であった。エージェントが次のビジョンプランナーである強化学習タスクに問題を定式化することを提案し,行動はユーザが次に訪問するPOIであり,環境の状態はユーザと空間エンティティ(例えばPOI,活動タイプ,機能ゾーン)の融合表現である。ユーザがPOIを訪問する行動を取る事象は環境を変化させ,ユーザプロファイルと空間エンティティの新しい状態をもたらし,エージェントが次の訪問をより正確に予測することを助ける。イベント,ユーザ,および空間エンティティ間のそのような相互作用を分析した後に,空間エンティティ間の意味的連結性を同定し,従って,空間知識グラフ(KG)を導入し,接続された位置,活動,およびゾーン上のユーザ訪問の意味論を特徴づけた。さらに,ユーザと空間KGの間の相互影響を同定し,時間的に進化する状態表現を定量化するために,ユーザと空間KGの間の相互更新戦略を開発した。これらの線に沿って,空間KGを統合した強化学習フレームワークを開発した。提案したフレームワークは,混合ユーザイベントストリームを与えられたマルチユーザプロファイリングにおけるインクリメンタル学習を達成できる。最後に,著者らのアプローチを人間の移動性活動予測に適用し,改善された性能を実証するために広範な実験を示した。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： 最適化 ,  相互作用 ,  ベクトル ,  意味論 ,  *学習 ,  連結性 ,  定式化 ,  *携帯電話 ,  エージェント ,  *強化学習 ,  利用者プロファイル
準シソーラス用語： *モバイルユーザ ,  自律エージェント ,  エンティティ ,  プロファイリング , 【Automatic Indexing@JST】

著者キーワード (4件)： 増分学習 ,  モバイルユーザプロファイリング ,  強化学習 ,  空間知識グラフ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 増分 ,  モバイル ,  ユーザプロファイリング ,  イベント ,  ストリーム ,  モデル化 ,  知識グラフ ,  強化学習