文献

J-GLOBAL ID：202202289364615893   整理番号：22A1117360

コース推薦のための動的リカレント機構による階層的強化学習【JST・京大機械翻訳】

Hierarchical reinforcement learning with dynamic recurrent mechanism for course recommendation

著者 (9件)： Lin Yuanguo (School of Informatics, Xiamen University, Xiamen, China) ,  Lin Fan (School of Informatics, Xiamen University, Xiamen, China) ,  Zeng Wenhua (School of Informatics, Xiamen University, Xiamen, China) ,  Xiahou Jianbing (School of Informatics, Xiamen University, Xiamen, China) ,  Li Li (School of Informatics, Xiamen University, Xiamen, China) ,  Wu Pengcheng (Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly (LILY), Nanyang Technological University, Singapore) ,  Liu Yong (Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly (LILY), Nanyang Technological University, Singapore) ,  Miao Chunyan (Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly (LILY), Nanyang Technological University, Singapore) ,  Miao Chunyan (School of Computer Science and Engineering, Nanyang Technological University, Singapore)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 244  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  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： オンライン学習シナリオにおいて,学習者は,通常,それらの選好と将来の開発の必要性を満たすコースを見つけることを望んでいる。したがって,学習者が適切なコースを選ぶように指導できる効果的な個人化コース推薦システムを開発する大きな必要性がある。実際に,強化学習(RL)は,コースとのユーザのインタラクションから動的ユーザプロファイルを構築するために適用することができ,それはコース推薦システムの成功の鍵である。しかしながら,既存のRLベースのコース推薦方法は,通常,探査と開発の間のトレードオフに悩まされる。本論文では,新しいコース推薦モデル,すなわち,自律的学習能力をもつプロファイル構成器が個人化コース推薦を行うように設計されている,dynAmic Reカレントメカニズム(HELAR)による階層的rEincement Learningを提案する。ユーザプロファイル構築における探索開発トレードオフ問題に取り組むため,新しいポリシー勾配法を提案した。それは,現在の知識を利用するための文脈意識学習による再帰方式を採用し,一方,ユーザの将来の選好を探索するために動的ベースラインを利用した。提案したHELARモデルの性能を評価するために,2つの実世界データセットについて広範な実験を行い,実験結果は最先端のコース推薦法に対するHELARの利点を実証した。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 ,  傾斜法 ,  基準線 ,  捜索 ,  *強化学習 ,  *再帰性 ,  利用者プロファイル
準シソーラス用語： 自律性 ,  オンライン学習 ,  学習者 ,  推奨システム ,  学習能力 , 【Automatic Indexing@JST】

著者キーワード (4件)： レコメンダーシステム ,  階層的強化学習 ,  コース推薦 ,  政策勾配

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 (3件)： 推薦 ,  リカレント ,  強化学習