RecoBERT:テキストベース推薦のためのカタログ言語モデル【JST・京大機械翻訳】

Malkiel Itzik; Barkan Oren; Caciularu Avi; Razin Noam; Katz Ori; Koenigstein Noam

プレプリント

J-GLOBAL ID：202202202675878770 整理番号：22P0195027

RecoBERT:テキストベース推薦のためのカタログ言語モデル【JST・京大機械翻訳】

RecoBERT: A Catalog Language Model for Text-Based Recommendations

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年09月25日プレプリントサーバーでの情報更新日： 2020年09月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ラベルなしテキストから広範囲な自己教師付き事前訓練を利用する言語モデルは,最近,様々な言語理解タスクにおける最先端の性能を著しく前進させることが示されている。しかし,これらの最近のモデルがテキストベースの推薦を行うのに利用できるかどうかは,まだ不明である。本研究では,テキストベースアイテム推薦のためのカタログ専門化言語モデルを学習するためのBERTベースアプローチであるRecoBERTを導入した。アイテム類似性ラベルを必要としないアイテムのペア間の類似性をスコアリングするための新しい訓練と推論手続きを提案した。訓練と推論技術の両方を設計して,テキストカタログの非ラベル構造を利用して,それらの間の不一致を最小にした。推論中に4つのスコアを組み込むことにより,RecoBERTはテキストベースアイテム対アイテム類似性を他の手法よりも正確に推論できる。さらに,専門ワインレビューに基づく類似性を用いて,ワイン推奨のための新しい言語理解課題を紹介した。追加の貢献として,著者らは,ヒトワイン専門家によって熟練した注釈付推薦データセットを発行した。最後に,RecoBERTを評価し,ワインとファッション推奨タスクに関する様々な最先端のNLPモデルと比較した。【JST・京大機械翻訳】

, , , , , ,
, 【Automatic Indexing@JST】

自然語処理 , 人工知能

, ,

前のページに戻る