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。
推薦システム(RSs)により使用されるインタラクションデータは,特に陰的フィードバックの下で,誤りまたは探索クリックから生じる雑音を含む。適切な雑音除去なしで,RSモデルはユーザの固有の好みとユーザとアイテムの間の真の相互作用を効果的に捉えることができない。そのようなノイズに取り組むために,既存の方法は,常に利用できない補助データに依存する。本研究では,ユーザ埋込み空間とアイテム埋込み空間を大域的にマッチする最適輸送(OT)に基づき,監視なしに固有と雑音のある相互作用を識別するための非深層と深いRSモデルの両方を可能にした。特に,連続多対多ユーザアイテムマッチングスコアを計算するために,Sinkorn距離を介してOTフレームワークを最初に利用した。次に,Sinkhorn距離における正則化を緩和し,時間計算量を低減した閉形式解を達成した。最後に,雑音除去のための個々のユーザ行動を考慮するために,著者らは,個人化閾値化機構を通してユーザ-項目相互作用を適応的に再ラベルするための部分的OTフレームワークを開発した。大規模な実験は,著者らのフレームワークが既存のRSモデルの性能を著しく向上できることを示した。【JST・京大機械翻訳】