説明可能な推薦のための個人化即発学習【JST・京大機械翻訳】

Li Lei; Zhang Yongfeng; Chen Li

プレプリント

J-GLOBAL ID：202202217429086454 整理番号：22P0289983

説明可能な推薦のための個人化即発学習【JST・京大機械翻訳】

Personalized Prompt Learning for Explainable 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 (3件)： , ,
資料名：
発行年： 2022年02月15日プレプリントサーバーでの情報更新日： 2023年01月13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)

推薦を正当化するためのユーザ理解可能な説明の提供は,利用者が推奨項目をよりよく理解し,システムの使いやすさを増加させ,ユーザの信用を獲得するのに役立つ。それを実現するための典型的なアプローチは自然言語生成である。しかしながら,以前の研究は,主に,末端を満たすための再帰ニューラルネットワークを採用し,潜在的により効果的な事前訓練変換機モデルを探索した。実際,推薦者システムにおける重要な識別子としてのユーザとアイテムIDは,事前訓練モデルが既に訓練された単語として,本質的に異なる意味空間にある。したがって,そのようなモデルにIDを効果的に融合する方法は重要な問題になる。迅速な学習における最近の進歩に触発されて,著者らは2つの解決策,すなわちIDs(離散的な迅速な学習と呼ばれる)を表現するための代替単語を見つけて,事前訓練モデル(連続高速学習)にIDベクトルを直接入力する。後者の場合,IDベクトルはランダムに初期化されるが,そのモデルは大きなコーパス上で前もって訓練され,実際に異なる学習段階にある。ギャップを埋めるために,著者らはさらに2つの訓練戦略を提案する:正則化として逐次調整と推薦。大規模な実験は,訓練戦略を備えた著者らの連続迅速学習手法が,説明可能な推薦の3つのデータセットに関して,強いベースラインを一貫して凌ぐことを示した。【JST・京大機械翻訳】

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

人工知能 , 自然語処理

, , ,

前のページに戻る