文献

J-GLOBAL ID：202202282043996532   整理番号：22A0904919

エンティティ知識移転指向二重ターゲットクロスドメイン推奨【JST・京大機械翻訳】

Entity knowledge transfer-oriented dual-target cross-domain recommendations

著者 (4件)： Li Yakun (Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China) ,  Wu Qiang (School of Electric and Information Engineering, Lanzhou Jiaotong University, Lanzhou, China) ,  Hou Lei (Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China) ,  Li Juanzi (Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 195  ページ： Null  発行年： 2022年 
JST資料番号： W0178A  ISSN： 0957-4174  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： クロスドメイン推薦は,補助ドメインから豊富な利用可能なデータを集約または転送することにより,ターゲットドメインにおける適切なアイテムを選択する際にユーザを支援でき,それは徐々に有望な研究領域になった。しかし,ほとんどの既存の推薦は単一ターゲット交差ドメイン推奨のみであり,エンティティサイド(ユーザ側またはアイテムサイド)知識の解析を無視し,評価予測の低い精度を被る推薦者システムをもたらす。これらの懸念に取り組むために,本論文では,これら2つのドメインの予測性能を同時に改善するために,新しいEntity知識転送指向二重Target Cross-Dominal Recoction(EKTDCR)を提案した。特に,潜在因子および雑音除去自動符号器技術を,それぞれ,二重ドメイン知識転送およびモデル訓練のための提案したEKTDCRアプローチの基礎である,別々のドメインにおいて,エンティティ相互作用埋込みおよびエンティティサイド埋込みを抽出および学習するために最初に利用した。次に,以前のエンティティ埋込みに基づいて,ドメイン間注意およびドメイン間注意モジュールから成る二重注意機構を設計して,ユーザ選好知識を転送して,ドメインを通してエンティティ特徴融合を達成した。さらに,深い信念ネットワークモデルを採用して,提案したEKTDCR法をよりよく訓練し,学習可能な正則化制約をさらに考慮して,二重ターゲット交差ドメイン推薦を達成した。4つの実世界データセットに関する広範な実験は,EKTDCRアプローチが両方のドメインの推薦性能を同時に改善でき,最先端の単一ドメインとクロスドメインベースライン法を大幅に凌駕することを示した。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 ,  学習 ,  データ ,  予測 ,  精度 ,  *範囲 ,  符号器 ,  好み ,  正則化 ,  機械学習 ,  雑音除去 ,  ドメイン知識
準シソーラス用語： *知識移転 ,  信念ネットワーク ,  *エンティティ ,  転移学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 転移学習 ,  二重注意機構 ,  深い信念ネットワーク ,  クロスドメイン勧告

分類 (5件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M) ,  自然語処理  (JE06000L) ,  システム・制御理論一般  (IA02010H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： エンティティ ,  知識移転 ,  推奨