セッションベース推薦のための遷移関係を意識した自己注意【JST・京大機械翻訳】

Zhu Guanghui; Hou Haojun; Chen Jingfan; Yuan Chunfeng; Huang Yihua

プレプリント

J-GLOBAL ID：202202207220321418 整理番号：22P0303057

セッションベース推薦のための遷移関係を意識した自己注意【JST・京大機械翻訳】

Transition Relation Aware Self-Attention for Session-based Recommendation

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03月12日プレプリントサーバーでの情報更新日： 2022年03月12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)

セッションベースの推薦は,実世界シーン,例えば,電子商取引,短いビデオプラットフォーム,および音楽プラットフォームにおける挑戦的な問題であり,匿名セッションに基づく次のクリック行動を予測することを目的とする。最近,グラフニューラルネットワーク(GNN)がセッションベース推薦のための最先端技術として浮上している。しかし,これらの方法には2つの限界が存在することを見出した。1つは,関係が明示的にモデル化されないので,アイテム遷移関係は完全には利用されていない。もう1つは,GNNの限界のため,アイテム間の長距離依存性を効果的に捉えることができない。上記の問題を解決するために,著者らは,セッションベースの推薦のための新規なアプローチを提案し,それは,遷移関係アウェア自己拡張(TRASA)と呼ばれた。特に,TRASAは最初にセッションをグラフに変換し,次に,それらの遷移関係としてゲートリカレントユニットを通してアイテム間の最短経路を符号化する。次に,長距離依存性を捉えるために,TRASAは,中間のものを通さずに,任意の2つのアイテムの間の直接接続を構築するために,自己注意機構を利用した。また,注意スコアを計算するとき,遷移関係を明示的に組み込んだ。3つの実語データセットに関する大規模な実験は,TRASAが既存の最先端の方法よりも一貫して優れていることを示した。【JST・京大機械翻訳】

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

計算機網 , 通信網

, , , , ,

前のページに戻る