@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00216814,
 author = {陳, 書婷 and 高橋, 聡 and 北澤, 正樹 and 吉川, 厚 and Shuting, Chen and Satoshi, Takahashi and Masaki, Kitazawa and Atsushi, Yoshikawa},
 book = {行動変容と社会システム vol.08},
 month = {Mar},
 note = {ニューラルグラフ協調フィルタリング（NGCF）モデルは，近年推薦システムで広く利用されている．本研究では，ユーザーやアイテムといった各ノードは自身の接続状況によって異なる重要度分布を持つと考えられることから，NGCFモデルにおいて各層の埋め込みが同じ重みを持つことを課題と捉え，積層問題として指摘した．そして，この積層問題を解決するために，Attention機構の導入と単層強化の2つの改善策を提案した．Attention機構の導入はノードの層間重みの組み合わせを自動的に学習する手法であり，単層強化はモデルの各層を順番に1層のみ増強して他の層を変更しないようにする手法である．それぞれの手法において，2つのデータセットを用いて従来研究との比較実験を行った結果，推薦精度が向上した．本研究の提案手法は積層問題の解決に効果的であると考えられる．, Neural Graph Collaborative Filtering (NGCF) model has been widely used in recommendation systems in recent years. In this study, we pointed out that each node of users and items should have different importance distributions according to its own connection status, and it is not appropriate for each layer of embedding to have the same weight in the NGCF model, which we call the stacking problem. To solve this stacking problem, we proposed two improvements: the introduction of an attention mechanism and single-layer reinforcement. the introduction of an attention mechanism is a method that automatically learns the combination of weights between layers of nodes, and single-layer reinforcement is a method that augments each layer of the model in turn by only one layer and leaves the other layers unchanged. This study was conducted on two datasets. We conducted comparative experiments on two datasets and showed that the proposed method can improve the recommendation accuracy. We verified that the proposed method helped to solve the stacking problem.},
 publisher = {情報処理学会},
 title = {Attention機構の導入と単層強化手法によるNGCFモデルの改善策に関する検討},
 volume = {2022},
 year = {2022}
}