推奨のための単層グラフ畳込みネットワーク【JST・京大機械翻訳】

Xu Yue; Chen Hao; Deng Zengde; Zhu Junxiong; Li Yanghua; He Peng; Gao Wenyao; Xu Wenjun

プレプリント

J-GLOBAL ID：202202214544617766 整理番号：22P0156281

推奨のための単層グラフ畳込みネットワーク【JST・京大機械翻訳】

Single-Layer Graph Convolutional Networks For 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 (8件)： , , , , , , ,
資料名：
発行年： 2020年06月07日プレプリントサーバーでの情報更新日： 2020年06月07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)

グラフ畳込みネットワーク(GCNs)とそれらの変種は,様々な推薦タスクに関して顕著な注目を受け,最先端の性能を達成した。しかしながら,多くの既存のGCNモデルは,すべての関連するノードの間で再帰的凝集を実行する傾向があり,それは厳しい計算負荷を引き起こす。さらに,それらは複雑なモデリング技術と共に多層アーキテクチャに有利であった。有効ではあるが,モデルパラメータの過剰な量は,実世界推薦システムにおけるそれらの応用を大きく妨げる。この目的のために,本論文では,既存のモデルと比較して,極めて少ない複雑さで優れた性能を達成できる単層GCNモデルを提案した。主な寄与は3倍である。第1に,著者らは,隣接サンプリングプロセスをガイドし,入力グラフの品質を明示的に評価できる,分布意識類似性(DA類似性)という原理的類似性メトリックを提案した。また,DAの類似性は,理論解析と経験的シミュレーションの両方を通して,最終性能と正相関を持つことを証明した。第2に,単一GCN層を用いて,DA類似性によりフィルタリングされた近傍から情報を集約し,次にノード表現を生成する簡単なGCNアーキテクチャを提案した。さらに,凝集ステップはパラメータフリー操作であり,訓練と推論コストをさらに低減するために前処理方法で行うことができる。第3に,著者らは4つのデータセットに関して大規模な実験を行った。結果は,提案モデルが既存のGCNモデルをかなり上回り,推薦性能に関して訓練において数桁の高速化まで収率を生じることを示した。【JST・京大機械翻訳】

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

人工知能 , 自然語処理 , ニューロコンピュータ , 移動通信 , 計算機網

, , ,

前のページに戻る