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。
大規模推薦システムにおいて,ユーザ-アイテムネットワークは一般的にスケールフリーであるか,指数的に拡大している。ユーザとアイテムを記述するのに使用される潜在特徴(埋込みとしても知られる)は,埋込み空間がデータ分布にいかに良く適合するかによって決定される。双曲線空間は,その負の曲率とメトリック特性で埋込みを学習するための spしい部屋を提供し,それはツリー様構造と良く適合できる。最近,ユーザとアイテムのための高品質表現を学習するためにいくつかの双曲線アプローチが提案されている。しかし,それらの殆どは,適切な投影操作を設計することによって,双曲線相似性の開発に集中し,一方,双曲線空間の多くの有利で刺激的な幾何学的特性は,明示的に調査されていない。例えば,双曲線空間の最も注目すべき特性の1つは,その容量空間が半径と共に指数的に増加するということであり,これは双曲線起源から遠く離れた領域がはるかに埋め込まれることを示している。双曲線空間の幾何学的特性に関して,著者らは,双曲線正則化駆動協調フィルタリング(HRCF)を上げて,幾何学的に意識した双曲線正則化器を設計した。特に,提案は,根アラインメントと起源意識ペナルティを介して最適化手順をブーストし,それは単純だが印象的に有効である。理論解析により,提案は双曲線集合による過剰平滑化問題に取り組むことができ,また,より良い識別能力をもたらすことも示した。広範な経験的解析を実施し,いくつかの公開ベンチマークに関する一連のベースラインに対する提案を比較した。経験的結果は,著者らのアプローチが,かなり競争力のある性能を達成して,かなりのマージンによって,主要なユークリッドと双曲線のベースラインの両方を上回ることを示した。【JST・京大機械翻訳】