CNN型嗜好モデルを用いた推薦システムの提案

カテゴリ: 研究会(論文単位)

論文No: ST17075

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2017/12/08

タイトル(英語): A Recommendation System Using CNN-Based Preference Model

著者名: 會澤 要(愛知県立大学),鈴木 拓央(愛知県立大学),小林 邦和(愛知県立大学)

著者名(英語): Yo Aizawa(Aichi Prefectural University),Takuo Suzuki(Aichi Prefectural University),Kunikazu Kobayashi(Aichi Prefectural University)

キーワード: 推薦システム|嗜好モデル|ディープラーニング|ディープニューラルネットワーク|畳み込みニューラルネットワーク|転移学習|Recommendation system|Preference model|Deep learning|Deep neural network|Convolutional neural network|Transfer learning

要約(日本語): 大量の情報から個人の嗜好にあった有用な情報を得ることは困難である．そこで個人の嗜好を元に有用な情報を提示する推薦システムを提案する．今回は畳み込みニューラルネットワーク(CNN)を用いて個人の嗜好をモデル化する．その際，CNNの畳み込み層の重みに学習済みのモデルの重みを使用することで，例え嗜好情報が少ない場合でも特徴を抽出することが可能となる．その後に全結合層を設けることで特徴と嗜好の関係性を明らかにする．

要約(英語): It is difficult to obtain useful information for individuals from a large amount of information. Therefore, we propose a recommendation system that provides useful information based on personal preferences. We model personal preferences using convolutional neural network (CNN) in this work. By applying the weight coefficients of the learned model to those of the convolution layers of other CNN, it is possible to extract features from less learning data. After that, we clarify the relationship between features and preferences by using the fully connected layer.

原稿種別: 日本語

PDFファイルサイズ: 1,239 Kバイト