デジタルアーカイブのためのグラフベースの深層学習による推薦システム

• Item type: Symposium(1)
• 公開日: 2019-12-07
• タイトル: デジタルアーカイブのためのグラフベースの深層学習による推薦システム
• タイトル / 言語: en
• タイトル: Graph-Based Recommender System Using Deep Learning for Digital Archives
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: デジタルアーカイブ; 推薦システム; グラフベース; リンク予測; 表現学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 立命館大学
• 著者所属: 立命館大学
• 著者所属: 立命館大学
• 著者所属: 立命館大学
• 著者所属: 立命館大学
• 著者所属(英): en
• 著者所属(英): Ritsumeikan University, Ritsumeikan University, Ritsumeikan University, Ritsumeikan University, Ritsumeikan University,
• 著者名: 王, 嘉韻; Biligsaikhan, Batjargal; 前田, 亮; 川越, 恭二; 赤間, 亮
• 著者名(英): Jiayun, Wang; Biligsaikhan, Batjargal; Akira, Maeda; Kyoji, Kawagoe; Ryo, Akama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，人文系デジタルアーカイブによく見られるグラフ構造のデータに適したグラフベースの深層学習を用いた推薦システムを提案する．提案手法の有効性を検証するため，グラフベースの深層学習推薦アルゴリズムを利用し，立命館大学アート・リサーチセンターの浮世絵データベース（以下ARC-UDBという）のデータで検証した．その結果，従来の推薦手法と比較して予測精度が大幅に改善された．本研究の新規性は以下である：1）グラフベースの深層学習推薦アルゴリズムをデジタルアーカイブに応用した．2）深層学習モデルの入力ベクトルを改良し，浮世絵推薦のタスクにより適したものにした．3）比較実験を行い，提案手法の浮世絵データに対する有効性を証明した．この提案手法は，浮世絵だけでなく，他のグラフ構造のデータセットへの使用も考えられる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a recommender system using a graph-based deep learning method that is suitable for graph-structured datasets which are often found in humanities digital archives. In order to verify the effectiveness of the proposed method, we used a graph-based deep learning recommendation algorithm and verified it with data from the ukiyo-e database of the Ritsumeikan University Art Research Center (ARC-UDB). As a result, the prediction accuracy was significantly improved compared to the conventional recommendation method. The novelty of this study is as follows: 1) A graph-based deep learning recommendation algorithm was applied to a digital archive. 2) The input vector of the deep learning model was improved to make it more suitable for the ukiyo-e recommendation task. 3) A comparative experiment was conducted to prove the effectiveness of the proposed method for the ukiyo-e dataset. The proposed method can be used not only for ukiyo-e, but also for other datasets with graph-like structures.
• 書誌情報: じんもんこん2019論文集; 巻 2019, p. 165-170, 発行日 2019-12-07
• 出版者 / 言語: ja
• 出版者: 情報処理学会