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。
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】