文献

J-GLOBAL ID：202102286718698272   整理番号：21A0691581

DAN-SNR 社会意識型の次のポイントオブインタスト推薦のための深い注意ネットワーク【JST・京大機械翻訳】

DAN-SNR A Deep Attentive Network for Social-aware Next Point-of-interest Recommendation

著者 (4件)： Huang Liwei (School of Computer Science and Technology, Beijing Institute of Technology, China and Beijing Institute of Remote Sensing, Beijing, China) ,  Ma Yutao (School of Computer Science, Wuhan University, Wuhan, China) ,  Liu Yanbo (Beijing Institute of Remote Sensing, Beijing, China) ,  He Keqing (School of Computer Science, Wuhan University, Wuhan, China)
資料名： ACM Transactions on Internet Technology  (ACM Transactions on Internet Technology)
巻： 21  号： 1  ページ： 1-27  発行年： 2020年 
JST資料番号： W5698A  ISSN： 1533-5399  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： 次に,ユーザが次のように行く可能性を予測する目的である(または,連続)ポイントオブインター(POI)推薦は,POI推薦の新しい研究焦点として最近出現した。次のPOI推薦に関する以前の研究の大部分は,ユーザチェックインの時空間情報と逐次パターンを推薦モデルに組み込むことを試み,目標ユーザの次の移動を予測する。しかし,次のPOI推薦アプローチのほとんどは,各ユーザの友人の社会的影響を利用した。本研究では,次のPOI推薦の新しいトピックについて議論し,DAN-SNRと呼ばれる社会的に意識された次のPOI推薦のための深い意図的ネットワークを提示する。特に,DAN-SNRは,逐次影響と社会的影響を統一的にモデル化するために,再帰ニューラルネットワークのアーキテクチャの代わりに自己注意機構を利用する。さらに,2つの並列チャネルを設計し実装し,短期ユーザ選好と長期ユーザ選好,ならびに社会的影響をそれぞれ捉えた。マルチヘッド自己注意を利用して,DAN-SNRは,任意の2つの歴史的チェックイン間の長距離依存性を効率的にモデル化することができ,次の目的地へのそれらの寄与を適応的に重み付けする。また,2つのポピュラーな位置ベースのソーシャルネットワーク,すなわちGowallaとBrightkiteから収集された大規模実世界データセットを用いた総合評価も行った。実験結果は,DAN-SNRが推薦性能に関して7つの競合ベースラインアプローチより優れていて,6つのニューラルネットワークベースの方法の間で非常に効率的であり,その内の4つは注意機構を利用することを示した。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： *ネットワーク ,  ニューラルネットワーク ,  チャネル ,  計算機アーキテクチャ
準シソーラス用語： 社会的ネットワーク ,  目的地 , 【Automatic Indexing@JST】

著者キーワード (5件)： 次世代の推奨 ,  埋め込み ,  位置ベースサービス ,  自己注意 ,  社会的影響

分類 (2件)： 計算機網  (JC03000K) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： SNR ,  社会意識 ,  推薦 ,  注意