抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
社会的推薦は,協調フィルタリングにおけるデータスパース性とブースト推薦性能を軽減するための有望な方法を提供する。社会的影響をモデル化する方法は,社会推薦における中心的問題である。社会的データは,2つの別々のグラフ,すなわち,社会的(ユーザ-ユーザ)グラフと相互作用(ユーザ-項目)グラフによって表現できる。ある程度,この表現は不均一性の損失をもたらす。この問題に取り組むために,著者らは,不均一情報拡散モデル(略してHIDM)と呼ばれる新しい社会的推薦モデルを提案した。特に,ユーザは2つの部分空間,すなわち社会的部分空間と相互作用部分空間の両方に関与するので,2つの部分空間の情報を集約するために2つのモジュールを持つニューラルアーキテクチャを設計した。第1のモジュールは,GNNを介して層ごとの社会的接続から社会的影響をモデル化する社会的集約である。第2のモジュールは,単一層における相互作用アイテムからアイテム影響を捉えるアイテム集合である。さらに,異なるメッセージ関数を設計し,異なる部分空間における情報を符号化した。最後に,ユーザ選好表現を,2つの部分空間の影響を融合することによって得た。3つの実世界データセット上で行われた広範な実験は,HIDMがいくつかの異なる最先端の社会的推薦モデルより優れていることを示した。Copyright 2021 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】