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。
ファッション推薦システムは,衣服,靴,袋などの視覚的に配置されたファッションアイテムを見つける顧客によって非常に望まれる。既存の方法は有望な結果を示す一方で,それらは柔軟性と多様性,例えば,固定数の項目または安全であるが,ボーリングの推奨を仮定することを仮定する。本論文では,グラフニューラルネットワークを介してファッションアイテムの柔軟な集合をモデル化する,新しいファッション配置フレームワーク,ニューラルグラフフィルタリングを提案した。特に,グラフのノードとして各衣服の視覚埋込みを考察し,ノード間のエッジとして,ガメント間関係を記述した。エッジベクトルに対称演算を適用することにより,このフレームワークは入力/出力の変化数を可能にし,それらの順序に不変である。さらに,訓練セットにおいて本質的に不均衡である,著しく多様なスタイルの選点を可能にするために,焦点損失で拡張されたスタイル分類器を含めた。多様なファッション配置に関する包括的研究を容易にするために,著者らは注意深く設計された評価プロトコルによってアマゾンFashionデータセットを再組織化した。3つの一般的なベンチマーク,Polyvoreデータセット,Polyvore-Dデータセット,および再組織化アマゾンFashionデータセットに関する提案アプローチを評価した。広範な実験結果は,著者らのアプローチが,確立されたタスクに関する標準AUC計量に関する10%以上の改善で,最先端の方法より著しく優れていることを示した。より重要なことに,ユーザの82.5%は,実世界の認知研究において他の代替案よりも多様なスタイルの推薦を好んだ。【JST・京大機械翻訳】