WEKO3
アイテム
対照学習およびグラフ構造学習を用いたハイパーグラフベース推薦モデル
https://ipsj.ixsq.nii.ac.jp/records/240307
https://ipsj.ixsq.nii.ac.jp/records/24030750e8a099-66d5-41eb-9715-adcc62cf2c17
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-DICOMO2024183.pdf (952.7 kB)
2026年6月19日からダウンロード可能です。
|
Copyright (c) 2024 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 | 2024-06-19 | |||||||||||
| タイトル | ||||||||||||
| タイトル | 対照学習およびグラフ構造学習を用いたハイパーグラフベース推薦モデル | |||||||||||
| タイトル | ||||||||||||
| 言語 | en | |||||||||||
| タイトル | Hypergraph-based recommendation model using contrastive learning and graph structure learning | |||||||||||
| 言語 | ||||||||||||
| 言語 | jpn | |||||||||||
| 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 | ||||||||||||
| 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 | ||||||||||||
| 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 | ユーザの嗜好履歴をグラフ構造として表し，その情報を元にユーザのアイテムに対する嗜好を推論するグラフベースの推薦モデルが盛んに研究されている．近年，データのスパース性やノイズに効果的な推薦モデルとして，対照学習を用いた手法が注目を集めている．データがスパースな場合，近くのノードとのインタラクションが少なく，より遠くのノードへの隣接関係（高次の関係）を捉えることが重要である．しかし，多くの従来手法では，高次の関係を効果的に捉えることができず，推薦精度が限られている．本論文では，対照学習およびグラフ構造学習を用いたハイパーグラフベース推薦モデルを提案する．複雑なノードの隣接関係が表現可能なハイパーグラフに着目し，対照学習のデータ拡張としてハイパーグラフを用いることで，高次の関係を明示的にモデル化する．さらに，ハイパーグラフ構造学習技術を利用してハイパーグラフ構造を最適化し，より推薦タスクに適したハイパーグラフを獲得する．最後に，インタラクショングラフとハイパーグラフから得られた埋め込み表現を使用して対照学習を行う．これにより，データのスパース性に頑強であり，かつ高次の関係を捉えた効果的な推薦モデルを実現する．３つの実データセットを用いて包括的な評価実験を行い，従来手法に対してRecall@20で最大0.96%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2024論文集 巻 2024, p. 1348-1356, 発行日 2024-06-19 |
|||||||||||
| 出版者 | ||||||||||||
| 言語 | ja | |||||||||||
| 出版者 | 情報処理学会 | |||||||||||
