文献

J-GLOBAL ID：202002290424213589   整理番号：20A2551669

マルチアテンションベースニューラルネットワークによる効率的なグループ推薦モデル【JST・京大機械翻訳】

An Efficient Group Recommendation Model With Multiattention-Based Neural Networks

著者 (4件)： Huang Zhenhua (School of Computer Science, South China Normal University, Guangzhou, China) ,  Xu Xin (School of Computer Science, South China Normal University, Guangzhou, China) ,  Zhu Honghao (Department of Computer Science, Tongji University, Shanghai, China) ,  Zhou MengChu (Department of Electrical and Computer Engineering, New Jersey Institute of Technology, Newark, NJ, USA)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 31  号： 11  ページ： 4461-4474  発行年： 2020年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： グループ推薦研究は,推薦者システムコミュニティにおいて最近多くの注目を受けた。現在,いくつかの深層学習に基づく方法がグループ推薦で使用され,アイテム上のグループの選好を学習し,グループが興味を持つ次のものを予測する。しかし,それらの推薦有効性は失望である。この課題に取り組むために,本論文では,マルチアテンションベースのグループ推薦モデル(MAGRM)と呼ばれる新しいモデルを提案した。それは,正確なグループ推薦を達成するために,マルチアテンションベースの深いニューラルネットワーク構造をうまく利用する。グループ特徴のためのベクトル表現とアイテム上のグループのための選好学習の2つの密接に関連したモジュールを訓練した。前者は,各グループの深い意味的特徴を正確に表現することを提案する。それは,サブ特徴の4つの側面を統合した:グループ共起,グループ記述,および外部および内部社会的特徴。特に,著者らは,グループのための内部社会的特徴を捉えるために,マルチアテンションネットワークを採用した。後者は,各グループとそのメンバーの間の選好相互作用を表現するための神経注意機構を採用し,次にグループとアイテム特徴を組み合わせて,アイテム上のグループ選好を正確に学習する。2つの実世界データベースに関する広範囲な実験を通して,著者らは,MAGRMがグループ推薦問題を解決する際に最先端の方法を著しく凌ぐことを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  ベクトル ,  学習 ,  データベース ,  *ネットワーク ,  *ニューラルネットワーク ,  有効性
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  テレビジョン一般  (ND12031N)

タイトルに関連する用語 (3件)： グループ ,  推薦 ,  モデル