WEKO3
アイテム
対照学習を用いたノードの追加に頑強なグラフベース推薦モデル
https://ipsj.ixsq.nii.ac.jp/records/228033
https://ipsj.ixsq.nii.ac.jp/records/228033b3604fd1-b19d-4aea-817c-cf64b5d3cd3f
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-DICOMO2023003.pdf (1.5 MB)
2025年6月28日からダウンロード可能です。
|
Copyright (c) 2023 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, DLIB:会員：¥0 | ||
| Item type | Symposium(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-06-28 | |||||||||||
| タイトル | ||||||||||||
| タイトル | 対照学習を用いたノードの追加に頑強なグラフベース推薦モデル | |||||||||||
| 言語 | ||||||||||||
| 言語 | jpn | |||||||||||
| キーワード | ||||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | DPS：AIと行動認識，AI | |||||||||||
| 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 | ||||||||||||
| 大阪大学大学院情報科学研究科マルチメディア工学専攻 | ||||||||||||
| 著者所属 | ||||||||||||
| KDDI総合研究所 | ||||||||||||
| 著者所属 | ||||||||||||
| 大阪大学大学院情報科学研究科マルチメディア工学専攻 | ||||||||||||
| 著者名 |
道瀬, 悠磨
× 道瀬, 悠磨
× 春田, 秀一郎
× 原, 隆浩
|
|||||||||||
| 論文抄録 | ||||||||||||
| 内容記述タイプ | Other | |||||||||||
| 内容記述 | 購買履歴などのデータを基にアイテムに対する嗜好を推論する手法である協調フィルタリングの研究が盛んに行われている．高精度な協調フィルタリング手法として，ユーザの購買履歴や検索履歴などを基に購買グラフを作成し，GNN（Graph Neural Network）を適用するグラフベースの手法が知られている．しかし，多くの従来手法では，新規にユーザおよびアイテムが追加される状況において効果的な推薦ができず，効果的な推薦をするには再学習する必要があるため，運用上の問題がある．本論文では，対照学習を用いたユーザおよびアイテムの追加に頑強なグラフベース推薦モデルを提案する．ユーザおよびアイテムが追加される状況では，購買グラフの変化を捉えることが重要である．そこで，購買グラフに対しエッジの追加または削除を行い，購買グラフの変化を疑似的に再現した拡張グラフを作成する．元のグラフと拡張グラフのそれぞれから生成された埋め込み表現が近づくように対照学習を行うことにより，ユーザおよびアイテムの追加に頑強な埋め込み表現を生成することが可能である．実世界データセットを用いた評価実験では，提案手法はユーザおよびアイテムの追加後に再学習することなく，従来手法に対して Recall@20 で，最大で 2.13% 優れた推薦が可能であることを示す． | |||||||||||
| 書誌情報 |
マルチメディア，分散，協調とモバイルシンポジウム2023論文集 巻 2023, p. 8-15, 発行日 2023-06-28 |
|||||||||||
| 出版者 | ||||||||||||
| 言語 | ja | |||||||||||
| 出版者 | 情報処理学会 | |||||||||||
