交差相互作用協調関係モデリングによるマルチ行動強化推薦【JST・京大機械翻訳】

Xia Lianghao; Huang Chao; Xu Yong; Dai Peng; Lu Mengyin; Bo Liefeng

プレプリント

J-GLOBAL ID：202202210898072540 整理番号：22P0024544

交差相互作用協調関係モデリングによるマルチ行動強化推薦【JST・京大機械翻訳】

Multi-Behavior Enhanced Recommendation with Cross-Interaction Collaborative Relation Modeling

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 (6件)： , , , , ,
資料名：
発行年： 2022年01月06日プレプリントサーバーでの情報更新日： 2022年01月06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。

多くの以前の研究は,より良い推薦性能を達成するために,深いニューラルネットワーク技術による協調フィルタリングを強化することを目的とする。しかしながら,ほとんどの既存の深層学習ベースの推薦システムは,ユーザとアイテムの間の不均一関係をほとんど蒸留できない,ユーザ-項目インタラクション挙動の特異タイプをモデル化するように設計されている。実際の推薦シナリオでは,ブラウザや購入のようなマルチタイプユーザ行動が存在する。異なるアイテム上のユーザのマルチ行動パターンの見落により,既存の推薦方法は,ユーザマルチ行動データからの異種協調信号を捕捉するのに不十分である。構造化データモデリングのためのグラフニューラルネットワークの強度に触発されて,本研究は,グラフベースのメッセージパッシングアーキテクチャの下で異なるタイプのユーザ-項目相互作用の間の依存性を明示的にモデル化するグラフ神経多重Behavior強化推薦(GNMR)フレームワークを提案した。GNMRは,相互作用不均一性をモデル化するために関係集約ネットワークを考案し,ユーザ-項目相互作用グラフ上の隣接ノード間の埋込み伝搬を再帰的に行う。実世界推薦データセットに関する実験は,著者らのGNMRが一貫して最先端の方法より優れていることを示した。ソースコードはhttps://github.com/akaxlh/GNMRで利用可能である。【JST・京大機械翻訳】

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

その他の情報処理 , 人工知能

, , , , , , ,

前のページに戻る