レコメンダーシステムのための協調的反射増強自動エンコーダネットワーク【JST・京大機械翻訳】

Xia Lianghao; Huang Chao; Xu Yong; Xu Huance; Li Xiang; Zhang Weiguo

プレプリント

J-GLOBAL ID：202202203887266975 整理番号：22P0025395

レコメンダーシステムのための協調的反射増強自動エンコーダネットワーク【JST・京大機械翻訳】

Collaborative Reflection-Augmented Autoencoder Network for Recommender Systems

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： 2022年01月09日プレプリントサーバーでの情報更新日： 2022年01月09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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層学習技術が実世界推薦タスクに拡大したので,多くの深層ニューラルネットワークベースの協調フィルタリング(CF)モデルを,多層パーセプトロン,自動エンコーダおよびグラフニューラルネットワークのような様々なニューラルアーキテクチャに基づいて,ユーザ-アイテム相互作用を潜在特徴空間に投影するために開発した。しかしながら,既存の協調フィルタリングシステムの大多数は,欠測データを処理するために十分に設計されていない。特に,訓練フェーズにおける負の信号を注入するために,これらの解決策は,非観測ユーザ-項目相互作用からの負のサンプリングに大きく依存し,単にそれらを負のインスタンスとして扱い,推薦性能劣化をもたらす。問題に取り組むために,著者らは,観察および観察されないユーザ-項目相互作用から移転可能な知識を探査できる協調反射-Autoencoderネットワーク(CRANet)を開発した。CRANetのネットワークアーキテクチャは,反射型受容体ネットワークと情報融合オートエンコーダモジュールとの統合構造を形成し,それは,相互作用と非インタクトアイテムの両方に対する暗黙ユーザのペアワイズ選好を符号化する能力で推薦フレームワークを与える。さらに,2段階CRANetモデルのロバスト関節訓練を行うために,パラメトリック正則化ベースタイド重みスキームを設計した。最後に,2つの推薦タスクに対応する4つの多様なベンチマークデータセット上のCRANetを実験的に検証し,ユーザ-項目相互作用の負の信号をデバイアスすることは,様々な最先端の推薦技術と比較して性能を改善することを示した。このソースコードはhttps://github.com/akaxlh/CRANetで利用可能である。【JST・京大機械翻訳】

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

人工知能 , その他の情報処理

, ,

前のページに戻る