文献

J-GLOBAL ID：202202291742806618   整理番号：22A1214802

深層学習は情報・システムの研究をどう変えたか 第5部 データ分析分野 14.【推薦】推薦システムへの深層学習の適用

Use Cases of Deep Learning in Recommender Systems

著者 (1件)： 神嶌敏弘 (産業技術総合研)
資料名： 電子情報通信学会誌  (Journal of the Institute of Electronics, Information and Communication Engineers)
巻： 105  号： 5  ページ： 430-434  発行年： 2022年05月01日 
JST資料番号： F0019A  ISSN： 0913-5693  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 推薦システムにおける嗜好予測には各種の機械学習手法が次々と適用されてきたが,深層学習も例外ではない.しかしながら,近年の検証実験では,深層学習による予測精度の向上を支持する結果は得られなかった.そこで,少なくとも既存手法と同程度の性能をこの検証実験で示したNeuMFとMult-VAEを取り上げ,深層学習でも予測精度が向上しない理由についても考察する.その後,推薦結果の説明や提示などにといった推薦の周辺部分に,深層学習を用いた画像・自然言語処理技術が活用されている例を紹介する.(著者抄録)

シソーラス用語： *機械学習 ,  *ニューラルネットワーク ,  *データ解析 ,  *情報サービス ,  好み ,  画像処理 ,  自然言語処理
準シソーラス用語： *データ分析 ,  *深層学習 ,  推薦システム ,  嗜好

分類 (4件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  システム・制御理論一般  (IA02010H) ,  その他の情報処理  (JE15050M)

引用文献 (12件)：

• M.F. Dacrema, P. Cremonesi, and D. Jannach,“Are we really making much progress? a worrying analysis of recent neural recommendation approaches,” Proc. 13th ACM Conf. on Recommender Systems, pp. 101-109, 2019.
• Y. Koren, R. Bell, and C. Volinsky,“Matrix factorization techniques for recommender systems,” Computer, vol. 42, no. 8, pp. 30-37, 2009.
• X. He, L. Liao, H. Zhang, L. Nie, and X.H.T.-S. Chua,“Neural collaborative filtering,” Proc. 26th Int'l Conf. on World Wide Web, pp. 173-182, 2017.
• S. Rendle, W. Krichene, L. Zhang, and J. Anderson,“Neural collaborative filtering vs. matrix factorization revisited,” Proc. 14th ACM Conf. on Recommender Systems, pp. 240-248, 2020.
• H. Steck and D. Liang,“Negative interactions for improved collaborative-filtering : Don't go deeper, go higher,” Proc. 15th ACM Conf. on Recommender Systems, pp. 34-43, 2021.

タイトルに関連する用語 (5件)： 深層学習 ,  研究 ,  データ分析 ,  推薦 ,  推薦システム