文献

J-GLOBAL ID：202202268237299417   整理番号：22A0931113

コールドスタート逐次レコメンダーの学習【JST・京大機械翻訳】

Learning to Learn a Cold-start Sequential Recommender

著者 (4件)： Huang Xiaowen (School of Computer and Information Technology & Beijing Key Lab of Traffic Data Analysis and Mining, Beijing Jiaotong University, Haidian, Beijing, China) ,  Sang Jitao (School of Computer and Information Technology & Beijing Key Lab of Traffic Data Analysis and Mining, Beijing Jiaotong University, Haidian, Beijing, China) ,  Yu Jian (School of Computer and Information Technology & Beijing Key Lab of Traffic Data Analysis and Mining, Beijing Jiaotong University, Haidian, Beijing, China) ,  Xu Changsheng (National Lab of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Haidian, Beijing, China and School of Artificial Intelligence, University of Chinese Academy of Sciences, Haidian, Beijing, China and Peng Cheng Laboratory, Shenzhen, China)
資料名： ACM Transactions on Information Systems  (ACM Transactions on Information Systems)
巻： 40  号： 2  ページ： 1-25  発行年： 2022年 
JST資料番号： H0971A  ISSN： 1046-8188  資料種別： 逐次刊行物 (A)
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： コールドスタート推薦は現代のオンラインアプリケーションにおける緊急問題である。できるだけ正確な推薦として,その行動がリテラ的にスパースであるユーザを提供することを狙った。多くのデータ駆動アルゴリズムは,データスパース性のため,広く使用されたマトリックス因数分解,アンダーパーフォーマーなどである。本研究では,ユーザのコールドスタート推薦問題を解くためのメタ学習のアイデアを採用した。メタCSRと呼ばれるメタ学習ベースのコールドスタート逐次推薦フレームワークを提案する:相互作用グラフ上の情報拡散を通してより良いユーザ/アイテム埋込みを学習するための拡散表現者;行動シーケンスの時間的依存性を把握するための逐次推薦者;そして,事前ユーザの移動可能な知識を抽出し,伝播するためのMeta学習者と,新しいユーザに対する良い初期化を学習することは,通常のユーザの行動から共通パターンを学習し,初期化を最適化し,モデルが,最適性能を達成するために,1つまたは2,3の勾配更新の後に,新しいユーザに迅速に適応できるようにした。3つの広く使用されたデータセットに関する広範囲な定量的実験は,ユーザコールドスタート問題を扱う際に,メタCSRの顕著な性能を示した。一方,一連の定性分析は,提案したメタCSRが良好な一般化を有することを示した。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： アルゴリズム ,  最適化 ,  相互作用 ,  行動 ,  定性分析 ,  応用プログラム ,  *利用者
準シソーラス用語： 学習者 ,  スパース性 ,  メタ学習 ,  *低温始動 ,  オンライン ,  情報伝播 ,  データ駆動 ,  行列因数分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： コールドスタート勧告 ,  メタ学習 ,  グラフ表現 ,  逐次勧告

分類 (2件)： その他の情報処理  (JE15050M) ,  検索技術  (AC06020S)

タイトルに関連する用語 (3件)： スタート ,  逐次 ,  学習