文献

J-GLOBAL ID：202202289222464681   整理番号：22A0067193

レビュー推奨のための個人化変圧器によるマルチタスク学習【JST・京大機械翻訳】

Multi-Task Learning with Personalized Transformer for Review Recommendation

著者 (7件)： Wang Haiming (School of Artificial Intelligence, Sun Yat-sen University, Guangzhou, China) ,  Wang Haiming (Guangdong Key Laboratory of Big Data Analysis and Processing, Guangzhou, China) ,  Liu Wei (School of Artificial Intelligence, Sun Yat-sen University, Guangzhou, China) ,  Liu Wei (Guangdong Key Laboratory of Big Data Analysis and Processing, Guangzhou, China) ,  Liu Wei (SKL of Internet of Things for Smart City, University of Macau, Macau, China) ,  Yin Jian (School of Artificial Intelligence, Sun Yat-sen University, Guangzhou, China) ,  Yin Jian (Guangdong Key Laboratory of Big Data Analysis and Processing, Guangzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13081  ページ： 162-176  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 項目/製品レビューボリュームの劇的な増加は深刻な情報過負荷を引き起こした。伝統的に,製品レビューは,個人化なしで年代または人気順序で示されている。レビュー推薦モデルは,ユーザを魅力的レビューと効率的な消費経験で提供し,ユーザが秒のアイテムの特性を把握できるようにした。しかし,ユーザとレビューの間の相互作用のスパース性は,主要な挑戦であるように見える。そして,マルチ関係コンテキスト,特にレビューにおける潜在的意味的特徴は,十分に利用されていない。これらの問題に取り組むために,個人化変換機(MTL-PT)を組み込んだマルチタグ学習モデルを提案し,興味深いレビューリストを持つユーザを提供した。それは3つのタスクを含む:主なタスクは,ユーザ-アイテム認識意味特徴を組み込んだ,提案したポリアグリゲータでレビューするユーザ選好である。2つの補助作業は,それぞれレビューの質とユーザ-項目相互作用をモデル化する。これらのタスクは,ユーザ,アイテム,およびレビュー間のマルチ関係を協調的に学習する。ユーザ/アイテムの共有潜在特徴は,3つのタスクを一緒にリンクする。特に,レビューの個人化された意味的特徴も,提案した個別化変圧器によるタスクに融合した。個人化されたレビュー推薦のための2つの新しい実世界データセットを収集し,構築した。それらの上で広範な実験を行った。最先端技術と比較して,結果はレビュー推薦のための著者らのモデルの有効性を実証した。Copyright Springer Nature Switzerland AG 2021 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 ,  *変圧器 ,  変換器 ,  学習モデル ,  過負荷 ,  有効性
準シソーラス用語： スパース性 ,  *マルチタスク学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチタスク学習 ,  個人化変圧器 ,  レビュー勧告

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： レビュー ,  推奨 ,  個人化 ,  変圧器 ,  マルチタスク学習