文献

J-GLOBAL ID：202202262660471836   整理番号：22A0733759

明示的および暗黙的情報を組み合わせたグラフマルチヘッド注意ネットワークに基づくグループイベント推薦【JST・京大機械翻訳】

Group event recommendation based on graph multi-head attention network combining explicit and implicit information

著者 (9件)： Liao Guoqiong (School of Information Management, Jiangxi University of Finance and Economics, Nanchang, China) ,  Liao Guoqiong (Jiangxi Key Laboratory of data and knowledge engineering, Jiangxi University of Finance and Economics, Nanchang, China) ,  Deng Xiaobin (School of Information Management, Jiangxi University of Finance and Economics, Nanchang, China) ,  Deng Xiaobin (Jiangxi Water Resources Institute, Nanchang, China) ,  Deng Xiaobin (Jiangxi Key Laboratory of data and knowledge engineering, Jiangxi University of Finance and Economics, Nanchang, China) ,  Wan Changxuan (School of Information Management, Jiangxi University of Finance and Economics, Nanchang, China) ,  Wan Changxuan (Jiangxi Key Laboratory of data and knowledge engineering, Jiangxi University of Finance and Economics, Nanchang, China) ,  Liu Xiping (School of Information Management, Jiangxi University of Finance and Economics, Nanchang, China) ,  Liu Xiping (Jiangxi Key Laboratory of data and knowledge engineering, Jiangxi University of Finance and Economics, Nanchang, China)
資料名： Information Processing & Management  (Information Processing & Management)
巻： 59  号： 2  ページ： Null  発行年： 2022年 
JST資料番号： E0362B  ISSN： 0306-4573  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： イベントベースのソーシャルネットワーク(EBSN)において,グループイベント推薦は,それらが興味を持つイベントを迅速に見つけるためのグループのための重要なタスクになった。グループイベント推薦に関する既存の方法は,ただ一つのタイプの情報,明示的または暗黙的,または明示的および暗黙的情報を別々にモデル化する。しかし,これらの方法は,しばしばデータスパース性またはモデルベクトル冗長性の問題を生成する。本論文では,EBSNにおける明示的および暗黙的情報を統合するグループイベント推薦のためのグラフマルチヘッド注意ネットワーク(GMAN)モデルを提案した。特に,ユーザとイベントの間の性別,年齢,占有,およびインタラクションのようなユーザの明示的情報に基づくユーザ明示的グラフを構築する。次に,ユーザの暗黙情報に基づくユーザ陰的グラフを,友好関係のようなように構築した。明示的および暗黙的情報の両者は,ユーザの興味を効果的に記述でき,データスパース性問題を軽減することができる。EBSNにおけるユーザの明示的な情報と暗黙的な情報の間に相関があることを考慮して,著者らは,グラフニューラルネットワークでモデリングするとき,暗黙的情報集約の入力としてユーザの明示的ベクトル表現を取り上げる。この統一ユーザモデリングは,ユーザモデルベクトル冗長性の前述の問題を解決でき,またイベントモデリングに適している。さらに,複数の視点からユーザとイベントのより豊富な暗黙情報ベクトルを学習するために,マルチヘッド注意ネットワークを利用した。最後に,グループベクトル表現のより高いレベルを得るために,グループにおける異なるユーザベクトルを融合するためにバニラ注意機構を使用した。2つの実世界のMeetupデータセットの実験を通して,GMANモデルがグループイベント推薦に関する最新の手法よりも一貫して優れていることを示した。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： 相互作用 ,  ベクトル ,  冗長性 ,  *ネットワーク ,  ニューラルネットワーク ,  バニラ ,  興味 ,  モデリング ,  利用者 ,  性質
準シソーラス用語： スパース性 ,  社会的ネットワーク ,  ユーザモデリング ,  情報集約 , 【Automatic Indexing@JST】

著者キーワード (4件)： 明示的情報 ,  暗黙情報 ,  グループ推薦 ,  グラフ注意ネットワーク

分類 (1件)： 情報検索一般  (AC06010H)

タイトルに関連する用語 (6件)： グラフ ,  マルチヘッド ,  注意 ,  グループ ,  イベント ,  推薦