Home Notizie recenti Una macchina di convoluzione grafica per sistemi di raccomandazione sensibili al contesto

Una macchina di convoluzione grafica per sistemi di raccomandazione sensibili al contesto

48
0

I dati utilizzati per costruire un CARS. I dati combinati del tensore di interazione e delle matrici delle caratteristiche utente/elemento/contesto vengono convertiti in un grafico bipartito utente-elemento attribuito senza perdita di fedeltà. Credito: Società a responsabilità limitata della stampa di istruzione superiore

L’ultimo progresso nella tecnologia di raccomandazione mostra che è possibile apprendere migliori rappresentazioni di utenti e articoli tramite l’esecuzione di convoluzioni del grafico sul grafico di interazione utente-elemento. Tuttavia, tale risultato è per lo più limitato allo scenario di filtraggio collaborativo (CF), in cui i contesti di interazione non sono disponibili.

Per estendere i vantaggi delle convoluzioni dei grafi ai sistemi di raccomandazione sensibili al contesto (CARS), che rappresentano un tipo generico di modelli in grado di gestire varie informazioni collaterali, un team di ricerca guidato da Xiangnan HE ha pubblicato la sua nuova ricerca il 22 gennaio 2022 in Frontiere dell’Informatica.

Il team ha sviluppato un nuovo modello, GCM, che cattura le interazioni tra i comportamenti di più utenti tramite reti neurali a grafo, quindi modella le interazioni tra le caratteristiche del comportamento individuale tramite una macchina di fattorizzazione. Per dimostrare l’efficacia del GCM, lo testano su tre set di dati pubblici. Vengono inoltre condotti ampi esperimenti per verificare la razionalità del grafo attribuito e offrire approfondimenti su come le rappresentazioni traggono vantaggio da tale apprendimento del grafo.

Organizzare i comportamenti degli utenti con informazioni contestuali nei grafici è una direzione promettente per costruire un efficace strumento di raccomandazione sensibile al contesto. Aiuta a creare rappresentazioni forti per utenti e oggetti. GCM semplicemente unifica tutte le caratteristiche del contesto come un vantaggio, trascurando le caratteristiche dinamiche di alcuni contesti (ad esempio, il tempo) e catturando a malapena le preferenze dinamiche degli utenti. Il lavoro futuro potrebbe essere svolto sulla creazione di grafici dinamici basati su informazioni contestuali anziché su un grafico statico o sull’ideazione di una rete neurale di grafici dinamici.

Macchina di convoluzione grafica per sistema di raccomandazione sensibile al contesto

Il modello di macchina a convoluzione grafica. Credito: Società a responsabilità limitata della stampa di istruzione superiore


Fornito da Higher Education Press

Articolo precedenteGli scienziati progettano un controllo sicuro abilitato all’apprendimento per sistemi in ambienti incerti
Articolo successivoUn elettrolita composito a stato solido generato in situ per batterie al litio metallico ad alta tensione