ロバストな推奨(拡張アブストラクト)のためのアイテムの優先順序と優先順序に関する学習【JST・京大機械翻訳】

Burashnikova Aleksandra; Maximov Yury; Clausel Marianne; Laclau Charlotte; Iutzeler Franck; Amini Massih-Reza

プレプリント

J-GLOBAL ID：202202204266036883 整理番号：22P0295852

ロバストな推奨(拡張アブストラクト)のためのアイテムの優先順序と優先順序に関する学習【JST・京大機械翻訳】

Learning over No-Preferred and Preferred Sequence of Items for Robust Recommendation (Extended Abstract)

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02月26日プレプリントサーバーでの情報更新日： 2022年02月26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)

本論文は,[Burashnikova et al., 2021,arXiv:2012.06910]の拡張版であり,ここでは,主にクリックの形で,陰的フィードバック上の大規模推薦システム(RS)を訓練するための理論的支援逐次戦略を提案した。提案手法は,非クリックアイテムのシーケンスにより構成された連続アイテムのブロック上のペアワイズランキング損失の最小化と,それに続く各ユーザに対するクリックされたものから成る。運動量法あるいは勾配ベース手法のいずれかを用いてモデルパラメータを更新するこの戦略の2つの変異体を示した。いくつかのターゲットアイテム(主にボットによる)に対する異常に高い数のクリックに対するパラメータを更新するために,各ユーザに対する更新の数に対する上限および下限閾値を導入した。これらの閾値は,訓練セットにおけるブロックの数の分布にわたって推定した。それらは,ユーザに示されるアイテムの分布のシフトによるRSの決定に影響する。さらに,両方のアルゴリズムの収束解析を提供し,様々なランキング測度に関して,6つの大規模収集に対してそれらの実用的効率を実証した。【JST・京大機械翻訳】

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

その他の情報処理

, , , , ,

前のページに戻る