文献

J-GLOBAL ID：202202223258098900   整理番号：22A0930932

個人化セッションベース推薦のための異種グローバルグラフニューラルネットワーク【JST・京大機械翻訳】

Heterogeneous Global Graph Neural Networks for Personalized Session-based Recommendation

著者 (9件)： Pang Yitong (Tongji University, Shanghai, China) ,  Wu Lingfei (JD.COM Silicon Valley Research Center, Mountain View, CA, USA) ,  Shen Qi (Tongji University, Shanghai, China) ,  Zhang Yiming (Tongji University, Shanghai, China) ,  Wei Zhihua (Tongji University, Shanghai, China) ,  Xu Fangli (Squirrel AI Learning, New York, NY, USA) ,  Chang Ethan (Middlesex School, Concord, MA, USA) ,  Long Bo (JD.com, Beijing, China) ,  Pei Jian (Simon Fraser University, Vancouver, BC, Canada)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 775-783  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 短期相互作用セッションの次の相互作用を予測することは,セッションベースの推薦における挑戦的なタスクである。ほとんど全ての既存の研究は,アイテム遷移パターンに依存し,ユーザ選好をモデリングしながらユーザ履歴セッションを無視したが,それはしばしば非個人化推薦につながる。そして,既存の個人化セッションベースの推薦者は,現在のユーザのセッションに限られ,他のユーザの歴史的セッションから有用な項目変換パターンを無視する。これらの問題に取り組むために,著者らは,現在のおよび歴史的セッションからユーザ選好をよりよく推論するために,すべてのセッションにわたってアイテム変換を利用するために,新しい不均一グローバルグラフニューラルネットワーク(HG-GNN)を提案した。ユーザからすべてのセッションにわたってアイテム遷移を効果的に利用するために,著者らのグローバルグラフはセッション,ユーザ-アイテム相互作用およびグローバル共起アイテムのアイテム遷移を含む。さらに,セッションからユーザの好みを包括的に捉えるために,セッション表現を学習するためのグラフ拡張選好符号器を提案する。特に,著者らは,豊富な意味論による長期ユーザ選好とアイテム表現を学習するために,不均一グローバルグラフ上の新しい不均一グラフニューラルネットワーク(HGNN)を設計した。HGNNに基づいて,推薦のための個人化セッション表現を生成するために,一般的ユーザ選好と現在のセッションの時間的関心を組み合わせるために,個人化したセッションエンコーダを提案した。3つの実世界データセットに関する広範な実験結果は,著者らのモデルが他の最先端の方法より優れていることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  時間 ,  相互作用 ,  意味論 ,  情報システム ,  *ニューラルネットワーク ,  モデリング ,  符号器 ,  好み ,  利用者 ,  問題 ,  経歴
準シソーラス用語： 推奨システム ,  個人化推薦 ,  ユーザ好み , 【Automatic Indexing@JST】

著者キーワード (3件)： グラフニューラルネットワーク ,  推奨システム ,  セッションベース勧告

分類 (2件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 個人化 ,  セッション ,  推薦 ,  グローバル ,  グラフニューラルネットワーク