CNN型嗜好モデルを用いた推薦システムの改良

カテゴリ: 研究会(論文単位)

論文No: ST18061

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: 2018/09/26

タイトル(英語): Improvement of 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にとって有用な情報を提供する推薦システムが開発されている．人の思考に近い推薦を行うためには，情報の特徴が個人の嗜好へ及ぼす影響の関係性を再現する必要がある．そこで我々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し，推薦するシステムを提案している．本研究では，基盤とするCNNのモデルの変更や，モデルへメタデータを付与することにより推薦精度の向上を図る．

要約(英語): Recommendation systems that provide useful information for individuals from a large amount of information have been developed. We already proposed a recommendation system modeling personal preference using convolution neural network (CNN). In this work, we improved the recommendation accuracy by changing the basic model of CNN and adding meta information to the preference model.

原稿種別: 日本語

PDFファイルサイズ: 2,634 Kバイト