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。
ユーザセグメンテーションの課題を研究した:ユーザと1つ以上の事前定義グループまたはセグメントのセットを,ユーザをそれらの対応するセグメントに割り当てる。用例として,スポーツまたは enter楽の特定の領域における特定の関心を示すセグメントのために,タスクは,各単一ユーザがセグメントに属するかどうかを予測するであろう。しかし,データアベイラビリティに悩まされる多数の長いテール予測タスクが存在し,不均一な性質である可能性があり,それは,棚モデルアーキテクチャを単一オフで捉えることを困難にする。本研究では,上記の課題を扱う,SuperCone,著者らの統一的推定セグメントシステムを提示した。それは,各ユーザの不均一ディジタルフットプリントを集約する平面概念表現のトップ上に構築され,「スーパー学習」と呼ばれるアプローチを用いて予測タスクのそれぞれを一様にモデル化し,即ち,予測モデルを互いに互換性のない多様なアーキテクチャまたは学習法と組み合わせる。これに続いて,著者らは,最適に最適な異種エキスパートに柔軟に参加し,同時に,上記の専門家を補強する入力概念の深い表現を組み入れることを学習するエンドアプローチの終わりを提供した。実験は,SuperConeが,広範囲の予測的セグメントタスクと公開構造化データ学習ベンチマークに関して,最先端の推薦とランキングアルゴリズムを著しく凌ぐことを示した。【JST・京大機械翻訳】