Title:
推薦装置、推薦方法、およびプログラム
Document Type and Number:
Japanese Patent JP7365465
Kind Code:
B1
Abstract:
【課題】異種のデータ構造を扱うレコメンド条件に対応するレコメンド技術を提供する。【解決手段】事前処理部１１は、ユーザごとのアイテムと時間情報のペアのデータセットと、アイテムごとのユーザと時間情報のペアのデータセットを生成する。計算処理部１２は、マルチビューアテンションメカニズムを導入したTransformer encoderに、ユーザ、アイテム群、および離散化した時間情報のベクトルを入力し、ユーザを与えないときのユーザの予測精度を表す目的関数と、アイテムの一部を除いたときの当該アイテムの予測精度を表す目的関数と、ユーザの所定の時刻におけるアイテムの選択確率を表す目的関数を最大化するようにパラメータを学習する。計算処理部１２は、ユーザとアイテムを入れ替えてパラメータを学習する。入出力部２０は、レコメンド条件に相当するベクトルを計算結果記憶部４０から検索し、ベクトルの和に相当するレコメンド結果を計算結果記憶部４０から検索する。【選択図】図２
Inventors:
Noriaki Kawamae
Application Number:
JP2022118716A
Publication Date:
October 19, 2023
Filing Date:
July 26, 2022
Export Citation:
Assignee:
NTT COMWARE CORPORATION
International Classes:
G06N3/02
Other References:
WU, Chuhan et al.,Neural News Recommendation with Attentive Multi-View Learning,arXiv [online],2019年07月12日,pp.1-7,https://arxiv.org/pdf/1907.05576.pdf
JI, Wendi et al.,Sequential Recommender via Time-aware Attentive Memory Network,arXiv [online],2020年11月18日,pp.1-10,https://arxiv.org/pdf/2005.08598.pdf
JI, Wendi et al.,Sequential Recommender via Time-aware Attentive Memory Network,arXiv [online],2020年11月18日,pp.1-10,https://arxiv.org/pdf/2005.08598.pdf
Attorney, Agent or Firm:
Hidekazu Miyoshi
Shunichi Takahashi
Masakazu Ito
Shunichi Takahashi
Masakazu Ito