文献

J-GLOBAL ID：202202288428093327   整理番号：22A0980810

共通および特殊埋込みベース協調フィルタリング【JST・京大機械翻訳】

Common and Special Embedding-Based Collaborative Filtering

著者 (5件)： Jian Meng (Beijing University of Technology, Beijing, China) ,  Zhang Chenlin (Beijing University of Technology, Beijing, China) ,  Xiang Ye (Beijing University of Technology, Beijing, China) ,  Wu Lifang (Beijing University of Technology, Beijing, China) ,  Wang Zhangquan (Beijing University of Technology, Beijing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 861  ページ： 1107-1116  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 情報過負荷はマルチメディアサービスに対する大きな障害となる。負荷を軽減するために,協調フィルタリングは,ユーザが満足なコンテンツを見つけるのを助けるために推薦分野で活発に研究されている。しかし,現在の方法は,ユーザの興味が複雑で多面的なため,ユーザのインタラクションを総合的に予測できない。一般的なグラフベースモデルは,隣接ノードユーザまたはアイテム間の共有特性に注意を払い,一方,それらの特定の特性を無視することを論じた。本研究では,ユーザの興味をモデル化するための意味知識の助けを借りて,ユーザのインタラクションに隠された一般的で特別な特徴を調べた。個別化推薦のためのデュアルチャネル共通および特殊埋込みベース協調フィルタリングモデル(CSE)を提案した。CSEは,グラフ畳込み学習と知識翻訳で共通性と意味的特殊性を捕捉するための分割統治戦略を採用する。最後に,ユーザの関心の共通で特別な埋込みは,個人化された推薦のためのそれらのインタラクションをスコアリングするために,ペアワイズユーザ-アイテムマッチングに参加する。2つの実世界データセットに関する大規模な実験は,提案したCSEの合理性を実証した。提案しているCSEは,一般的で特別な特性でユーザ興味を総合的にモデル化して,推薦性能を向上させることができることを検証した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： グラフ ,  相互作用 ,  畳込み ,  学習 ,  *情報収集 ,  *方法論 ,  モデリング ,  モデル ,  *利用者 ,  過負荷 ,  性質 ,  コンテンツ
準シソーラス用語： *協調フィルタリング ,  共通性 ,  合理性 ,  特異性 ,  ガバナンス ,  デュアルチャネル , 【Automatic Indexing@JST】

著者キーワード (4件)： 協調フィルタリング ,  知識グラフ ,  ユーザの関心 ,  個人化勧告

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (2件)： 埋込み ,  協調フィルタリング