デジタルアーカイブのためのグラフベースの深層学習による推薦システム

• 王, 嘉韻

• Biligsaikhan, Batjargal

• 前田, 亮

• 川越, 恭二

• 赤間, 亮

書誌事項

タイトル別名

• Graph-Based Recommender System Using Deep Learning for Digital Archives

抄録

本論文では，人文系デジタルアーカイブによく見られるグラフ構造のデータに適したグラフベースの深層学習を用いた推薦システムを提案する．提案手法の有効性を検証するため，グラフベースの深層学習推薦アルゴリズムを利用し，立命館大学アート・リサーチセンターの浮世絵データベース（以下ARC-UDBという）のデータで検証した．その結果，従来の推薦手法と比較して予測精度が大幅に改善された．本研究の新規性は以下である：1）グラフベースの深層学習推薦アルゴリズムをデジタルアーカイブに応用した．2）深層学習モデルの入力ベクトルを改良し，浮世絵推薦のタスクにより適したものにした．3）比較実験を行い，提案手法の浮世絵データに対する有効性を証明した．この提案手法は，浮世絵だけでなく，他のグラフ構造のデータセットへの使用も考えられる．

In this paper, we propose a recommender system using a graph-based deep learning method that is suitable for graph-structured datasets which are often found in humanities digital archives. In order to verify the effectiveness of the proposed method, we used a graph-based deep learning recommendation algorithm and verified it with data from the ukiyo-e database of the Ritsumeikan University Art Research Center (ARC-UDB). As a result, the prediction accuracy was significantly improved compared to the conventional recommendation method. The novelty of this study is as follows: 1) A graph-based deep learning recommendation algorithm was applied to a digital archive. 2) The input vector of the deep learning model was improved to make it more suitable for the ukiyo-e recommendation task. 3) A comparative experiment was conducted to prove the effectiveness of the proposed method for the ukiyo-e dataset. The proposed method can be used not only for ukiyo-e, but also for other datasets with graph-like structures.

収録刊行物

• じんもんこん2019論文集

  じんもんこん2019論文集 2019 165-170, 2019-12-07

キーワード

• デジタルアーカイブ; 推薦システム; グラフベース; リンク予測; 表現学習

詳細情報

• CRID: 1050574047088814080
• NII論文ID: 170000180918
• Web Site: http://id.nii.ac.jp/1001/00200996/
• 本文言語コード: ja
• 資料種別: conference paper
• データソース種別:
  • IRDB
  • CiNii Articles