文献

J-GLOBAL ID：202202276682055981   整理番号：22A0930966

グラフニューラルネットワークベースの協調フィルタリングのための設計空間のプロファイリング【JST・京大機械翻訳】

Profiling the Design Space for Graph Neural Networks based Collaborative Filtering

著者 (3件)： Wang Zhenyi (Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhao Huan (4Paradigm Inc., Beijing, China) ,  Shi Chuan (Beijing University of Posts and Telecommunications, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 1109-1119  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： 近年,グラフニューラルネットワーク(GNN)は,推薦システムにおける最も一般的な方法の1つである協調フィルタリング(CF)で広く使用されている。しかし,ほとんどの既存の研究は,異なる設計次元の影響を研究せずに,特定のシナリオを与える個々のモデルアーキテクチャの設計に焦点を合わせている。したがって,新しい推薦シナリオにおいてトップパーフォーマンスモデルを迅速に得るのは困難な問題である。問題に取り組むために,本研究では,異なる設計次元の理解を豊かにし,モデル設計の新規なパラダイムを提供するために,GNNベースのCF法の設計空間をプロファイル化する最初の試みを行った。特に,GNNベースCFの統一フレームワークを提案し,その上,設計空間を開発し,広範な実験により評価した。推薦性能に対する異なる設計寸法の影響に関する興味深い知見を得た。経験的知見によって,著者らはさらに,設計空間を剪定して,トップパーフォーマンスモデルの高い濃度を含むコンパクトなものを得た。経験的研究は,その高品質で強い一般化能力を実証した。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： *ニューラルネットワーク ,  *特徴抽出 ,  *情報収集 ,  *方法論 ,  計算機アーキテクチャ ,  フレームワーク【ソフトウェア開発】
準シソーラス用語： *協調フィルタリング ,  推奨システム ,  高品質 ,  *設計空間 ,  プロファイリング , 【Automatic Indexing@JST】

著者キーワード (3件)： 協調フィルタリング ,  経験的評価 ,  グラフニューラルネットワーク

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 (4件)： グラフニューラルネットワーク ,  協調フィルタリング ,  設計空間 ,  プロファイリング