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。
ユーザがインターネットに接続してニーズを満たすとき,彼はしばしば膨大な量の関連情報に遭遇する。推薦システムは,大量のフィルタリング情報のための技術であり,ユーザが満足し,興味深いアイテムを提供する。機械学習法,特に深層学習の進歩は,推薦システムにおける大きな成果をもたらしたが,これらのシステムは,コールドスタートやスパース性問題のような課題に悩まされている。これらの問題を解決するために,ユーザ通信ネットワークのような文脈情報は通常使用される。本論文では,行列因子分解とグラフ解析法に基づく新しい推薦法を提案した。さらに,ユーザとアイテムの潜在要因を初期化するために,深い自己エンコーダを活用し,深い埋込み法はユーザ信用グラフからユーザの潜在因子を集める。提案方法を2つの標準データセットに実装した。実験結果と比較は,提案した方式が既存の最先端の推薦法より優れていることを示した。この手法は他の比較手法よりも優れ,大きな改善を達成した。【JST・京大機械翻訳】