マルチグラフ畳込み協調フィルタリング【JST・京大機械翻訳】

Sun Jianing; Zhang Yingxue; Ma Chen; Coates Mark; Guo Huifeng; Tang Ruiming; He Xiuqiang

プレプリント

J-GLOBAL ID：202202206407740019 整理番号：22P0096740

マルチグラフ畳込み協調フィルタリング【JST・京大機械翻訳】

Multi-Graph Convolution Collaborative Filtering

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 (7件)： , , , , , ,
資料名：
発行年： 2020年01月01日プレプリントサーバーでの情報更新日： 2020年01月01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)

個人化された推薦はユビキタスであり,多くのオンラインサービスにおいて重要な役割を果たす。表現の類似性に基づくアイテムに対するユーザの好みを予測する目的で,ユーザとアイテムのベクトル表現を学習するために,実質的研究が行われてきた。技術は古典的行列因数分解からより最近の深層学習ベース法までの範囲である。しかしながら,既存の方法は,ユーザ-項目インタラクションデータおよびユーザペアとアイテムペア間の類似性から利用可能な情報を完全に利用しないと主張する。本研究では,埋込み学習プロセスにおいて多重グラフを明示的に組み込む,マルチ-グラフ畳込み協調フィルタリング(Multi-GCCF)と名付けたグラフ畳込みベース推薦フレームワークを開発した。マルチGCCFは,パートサイトユーザ-アイテム相互作用グラフを介して高次情報を表現するだけでなく,ユーザユーザとアイテムアイテムグラフを構築,処理することによって,近位情報を統合する。さらに,二部グラフ上でグラフ畳込みを行うときのユーザノードとアイテムノード間の固有差を考察した。4つの公的にアクセス可能なベンチマークに関する広範な実験を行い,いくつかの最先端の協調フィルタリングとグラフニューラルネットワークベースの推薦モデルに対して顕著な改善を示した。さらなる実験により,提案モデルの各コンポーネントの有効性を定量的に検証し,学習埋込みが重要な関係構造を捉えることを実証した。【JST・京大機械翻訳】

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

その他の情報処理 , 人工知能

, , ,

前のページに戻る