グラフニューラルネットワークを用いた推薦システムにおける潜在近隣ノードの活用

• Item type: SIG Technical Reports(1)
• 公開日: 2023-12-13
• タイトル: グラフニューラルネットワークを用いた推薦システムにおける潜在近隣ノードの活用
• タイトル / 言語: en
• タイトル: Latent Neighbors Utilization in Graph Neural Network Based Recommender System
• 言語: eng
• キーワード / 主題Scheme: Other
• キーワード / 主題: グラフの利用と距離学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: The Graduate University for Advanced Studies (SOKENDAI)／National Institute of Informatics
• 著者所属: Department of Mathematics and Computer Science, Faculty of Science, Chulalongkorn University
• 著者所属: The Graduate University for Advanced Studies (SOKENDAI)／National Institute of Informatics
• 著者所属(英): en
• 著者所属(英): The Graduate University for Advanced Studies (SOKENDAI) / National Institute of Informatics
• 著者所属(英): en
• 著者所属(英): Department of Mathematics and Computer Science, Faculty of Science, Chulalongkorn University
• 著者所属(英): en
• 著者所属(英): The Graduate University for Advanced Studies (SOKENDAI) / National Institute of Informatics
• 著者名: Nakarin, Sritrakool; Saranya, Maneeroj; 高須, 淳宏
• 著者名(英): Nakarin, Sritrakool; Saranya, Maneeroj; Atsuhiro, Takasu
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 推薦システムは利用者の好みにあったアイテムを取得するのに役立つ．近年，グラフニューラルネットワークを用いた推薦システムは，利用者とアイテムの多様な関係をとらえることで優れた性能を示すことが報告されている．しかし，情報伝播を活用するグラフニューラルネットワークでは，隣接ノードをわずかしか持たない粗なノードに対しては，有効な埋込表現を求めることが難しい．本研究では，密なノードの隣接パターンに基づいて粗なノードの潜在的な隣接ノードを発見する方法を提案する．実験では，通常のグラフニューラルネットワークモデルと比較して，粗なノードに対する潜在的な隣接情報の有効性を検証する．評価結果は，提案モデルが適合率，再現率および NDCG の評価指標においてベースラインモデルを上回ることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Recommender systems help users to retrieve items relevant to their preferences. Recently, a Recommender System based on a Graph Neural Network has shown a promising result in capturing various relationships present in the user-item interactions graph. Nonetheless, the representation from a Graph Neural Network heavily relies on the neighbors. A node with only a few neighbors (sparse node) may not correctly express the user preferences and item characteristics. This work proposes the Neighbors Network to discover the latent neighbors of the sparse node based on the neighbor pattern transferred from the dense node. The experiment is conducted by comparing with a Graph Neural Network model without additional information to verify the usefulness of the latent neighbors information for the sparse user and sparse node. The evaluation results show that the proposed model outperforms the baseline in terms of NDCG, Precision, and Recall.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10114171
• 書誌情報: 研究報告情報基礎とアクセス技術（IFAT）; 巻 2023-IFAT-153, 号 4, p. 1-5, 発行日 2023-12-13
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8884
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会