S-Walk:ランダムウォークによる正確でスケーラブルなセッションベース推薦【JST・京大機械翻訳】

Choi Minjin; Kim Jinhong; Lee Joonsek; Shim Hyunjung; Lee Jongwuk

プレプリント

J-GLOBAL ID：202202207053754196 整理番号：22P0023328

S-Walk:ランダムウォークによる正確でスケーラブルなセッションベース推薦【JST・京大機械翻訳】

S-Walk: Accurate and Scalable Session-based Recommendationwith Random Walks

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 (5件)： , , , ,
資料名：
発行年： 2022年01月04日プレプリントサーバーでの情報更新日： 2022年01月04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。

セッションベースの推薦(SR)は,匿名ユーザによって消費される以前のアイテムのシーケンスから次の項目を予測する。ほとんどの既存のSRモデルは,セッション内特性のモデル化にのみ焦点を当てたが,アイテムのセッション間関係にはあまり注目せず,精度を改善する可能性がある。推薦システムのもう一つの重要な側面は,商用アプリケーションにおける実用可能性を考慮して,計算効率とスケーラビリティである。精度とスケーラビリティの両方を説明するために,ランダムウォーク,すなわちS-Walkによる新しいセッションベース推薦を提案した。精密に,S-Walkは,再起動(RWR)を伴うランダムウォークを用いてアイテム間の高次関係を扱うことにより,セッション内およびセッション間相関を効果的に捉える。RWRを構成する遷移とテレポーテーション行列のための閉形式解を有する線形モデルを採用することによって,S-Walkは高度に効率的でスケーラブルである。大規模な実験は,S-Walkが4つのベンチマークデータセットに関する様々な計量において同等または最先端の性能を達成することを示した。さらに,S-Walkによって学習されたモデルは,既存のDNNベースのモデルよりも,精度を犠牲にすることなく高度に圧縮でき,2桁以上速い推論を行うことができ,大規模商業システムに適している。【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