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。
本論文では,ペアワイズランキング損失を最小化することにより,アイテム上のユーザ選好を学習する全体的目的を持つ協調フィルタリングのための新しいランキングフレームワークを提案した。最小化問題は従属ランダム変数を含み,全てのユーザが最小数の正および負のアイテムを選択する最悪ケースにおける経験的リスク最小化の一貫性を証明することによって理論解析を提供することを示した。さらに,組込み空間におけるユーザとアイテムの新しい表現と,アイテムのペアに対するユーザの選好関係を同時に学習するニューラルネットワークモデルを導いた。学習目的は,ユーザの好みから誘導されるアイテムの上の順序を維持するためのモデルの能力を制御するランキング損失の3つのシナリオ,ならびに,学習された埋込み空間で定義されたドット製品の容量を,順序付けを作り出すことに基づいている。提案モデルは,陰的フィードバックに適切であり,非常に少数のパラメータの推定を含む。陰的データに関するいくつかの実世界ベンチマークに関する広範囲な実験を通して,著者らは,別々に学習するものと比較して,好みと埋込みを同時に学習する興味を示した。また,提案アプローチは,陰的フィードバックのために提案された最良の最先端の協調フィルタリング技術と非常に競合することを示した。【JST・京大機械翻訳】