多次元文脈知覚グラフ埋め込みモデルに基づく興味点推薦【JST・京大機械翻訳】

Chen Jinsong; Meng Xiangwu; Ji Weiyu; Zhang Yujie

文献

J-GLOBAL ID：202102228538731183 整理番号：21A1243435

多次元文脈知覚グラフ埋め込みモデルに基づく興味点推薦【JST・京大機械翻訳】

POI Recommendation Based on Multidimensional Context-aware Graph Embedding Model

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A1243435&COPY=1") }}
高度な検索・分析はJDreamⅢで

著者 (4件)： , , ,
資料名：
巻： 31 号： 12 ページ： 3700-3715 発行年： 2020年
JST資料番号： C2542A ISSN： 1000-9825 CODEN： RUXUEW 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：中国 (CHN) 言語：中国語 (ZH)

近年、関心点推薦システムは次第にモバイル推薦システム分野の研究焦点の一つになっている。時間,空間,配列,社会化,およびセマンティック情報は,多次元シナリオにおけるユーザ選好をモデリングするために,様々な因子の共同モデリングの方式が,ますます深く研究されてきた。その中、埋め込み学習モデルは有効な多因子連合モデリング方法として、モバイル推薦領域に良好な性能がある。しかし,多くの埋め込み学習モデルは,時間スタンプ,プロジェクト,領域,およびシーケンスのような,同じ空間に埋め込まれ,ユーザとプロジェクトの意味的特徴の深いサブマイニングに欠けているので,利用者が極端にまばらになるとき,ユーザの選好を精密に取得するのは難しい。これに基づいて,多次元文脈認識のグラフ埋め込みモデルであるMCAGEを提案した。MCAGEにおいて、主題モデルを利用してユーザーとプロジェクト間の潜在意味特徴を抽出し、そして一連のグラフのノードと関連ルールを再定義し、より有効なユーザー選好式を設計し、それによってモバイルユーザーの選好の精確度を向上した。最後に,実際のデータセットに関する実験結果は,このモデルがより良い推薦性能を有することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

, ,
, , , 【Automatic Indexing@JST】

計算機網

, , , , , , ,

前のページに戻る