文献

J-GLOBAL ID：202202255892668104   整理番号：22A1116817

FG-CF:POI勧告のためのFriendsを意識したグラフ協調フィルタリング【JST・京大機械翻訳】

FG-CF: Friends-aware graph collaborative filtering for POI recommendation

著者 (8件)： Cai Zhuo (School of Computer Science and Technology, China University of Mining and Technology, No. 1 Daxue Road, Xuzhou 221116, Jiangsu, China) ,  Yuan Guan (School of Computer Science and Technology, China University of Mining and Technology, No. 1 Daxue Road, Xuzhou 221116, Jiangsu, China) ,  Yuan Guan (Digitization of Mine, Engineering Research Center of Ministry of Education, Xuzhou 221116, Jiangsu, China) ,  Yuan Guan (Jiangsu Key Laboratory of Mine Mechanical and Electrical Equipment, China University of Mining and Technology, No. 1 Daxue Road, Xuzhou 221116, Jiangsu, China) ,  Qiao Shaojie (School of Software Engineering, Chengdu University of Information Technology, Chengdu 610225, Sichuan, China) ,  Qu Song (School of Computer Science and Technology, China University of Mining and Technology, No. 1 Daxue Road, Xuzhou 221116, Jiangsu, China) ,  Zhang Yanmei (School of Computer Science and Technology, China University of Mining and Technology, No. 1 Daxue Road, Xuzhou 221116, Jiangsu, China) ,  Bing Rui (School of Computer Science and Technology, China University of Mining and Technology, No. 1 Daxue Road, Xuzhou 221116, Jiangsu, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 488  ページ： 107-119  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 協調フィルタリングアプローチは,個人化推薦の開発と応用を大いに促進する。位置ベースのソーシャルネットワーク(LBSN)において,チェックインデータのスパース性は,従来のポイントオブインター(POI)推薦モデルのための主な障害の1つである。グラフ畳込みネットワーク(GCN)は,この種の問題を克服する効率的なツールであり,ユーザとPOIの高次連結性を捉えることによって埋込みの表現能力を強化する。実際の応用では,社会的タイは,ほとんどの現在のグラフベース手法で無視されるPOI推薦の重要因子である。さらに,ほとんどのメッセージ集約関数は文脈情報を捉えることができない。これらの問題に取り組むために,Friends意識グラフ協調フィルタリング(FG-CF)と呼ぶ新しいフレームワークを,本論文では,ソーシャル情報をユーザ-POIグラフに組み入れる,本論文で提案した。最初に,ユーザ-POI相関マトリックスをチェックインデータとソーシャルリンクによって推定して,次に,ユーザ埋込みをユーザ-POI相関マトリックスに従って更新した。第二に,相互作用メッセージを,ノードego埋込み,近隣の埋込み,および社会的埋込みを統合することによって,新しい方法で構築する。第3に,以前の状態埋込みと相互作用メッセージとの隣接メッセージの非線形結合を集約することによって,新しいメッセージ集約関数は,ユーザとPOI埋込みを更新するために存在する。第4に,最終埋込みを得るために,各付加的相互作用層から埋込みを連結し,内部製品を用いて,目標POIに対するユーザの選好スコアを計算した。最後に,2つの大規模LBSNデータセットに関する広範な実験は,いくつかの最先端の手法に対する著者らのモデルの優位性を実証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 関数 ,  *グラフ ,  相互作用 ,  畳込み ,  技術 ,  ネットワーク ,  提案 ,  *情報収集 ,  *方法論 ,  社会 ,  検索 ,  連結性
準シソーラス用語： 文脈情報 ,  *協調フィルタリング ,  スパース性 ,  社会的ネットワーク ,  社会情報 ,  個人化推薦 , 【Automatic Indexing@JST】

著者キーワード (5件)： POI勧告 ,  グラフ協調フィルタリング ,  社会性 ,  メッセージ構築 ,  メッセージ集約

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

タイトルに関連する用語 (6件)： Cf ,  勧告 ,  FRIENDS ,  意識 ,  グラフ ,  協調フィルタリング