文献

J-GLOBAL ID：202202241178834719   整理番号：22A0978955

正確な推奨のためのコンテンツ選好を利用した適応自動エンコーダ【JST・京大機械翻訳】

Adaptive Autoencoders Exploiting Content Preference for Accurate Recommendation

著者 (3件)： Chae Dong-Kyu (Hanyang University,Seoul,South Korea) ,  Shin Jung Ah (Columbia University,New York,United States) ,  Kim Sang-Wook (Hanyang University,Seoul,South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： BigComp  ページ： 292-295  発行年： 2022年 
JST資料番号： W2441A  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： 推薦システムは,これらの日に広範囲に研究されている。アイテムの内容(例えば,映画またはタグ)は,ユーザがアイテムを選好するかどうかを決定する重要な因子である。したがって,もし利用できるならば,推薦の品質を改善するためにこの情報を利用することが有望である。このラインに沿って,本論文では,適応自己エンコーダと呼称したコンテンツ基準と呼ばれる新しいハイブリッド推薦フレームワークを提案した。最初にコンテンツ選好の新しい概念を用いて,異なるコンテンツに対するユーザの印象を意味する。また,このフレームワークで使われるAutoencoderの効果的な訓練のための適応学習アルゴリズムを提案した。実世界データを用いていくつかの基準線と比較することによって,このフレームワークの優位性を検証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *符号器 ,  基準線 ,  学習アルゴリズム ,  *コンテンツ
準シソーラス用語： 推奨システム , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 推奨 ,  コンテンツ ,  選好 ,  適応 ,  エンコーダ