抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
陰的フィードバックに合わせた重み付きテンソル因数分解は時間を意識した位置レコメンデーションにおけるその優れた性能を示したが,三つの重要な課題を抱えている。第一に,それは完全に訪れたことの無いもののそれからの時間依存訪れたことの無い場所のための負の選択の信頼性を区別しない。第二に,不連続性は時間離散化から生じる,無限に大きなマージンを種々の時間ビンの間に存在する可能性がある。第三に,隣接位置の地理的制約が考慮されていない。これらの課題を解決するために,正則化されたコンテンツを意識したテンソル因数分解(RCTF)アルゴリズム,対応する課題に対処するために三つの戦略を利用することを提案した。第一に,それは新規相互作用正則化を紹介し,第二に,時間ビン類似度行列の固有分解から導かれた特徴ベクトルによる各ビンを表し,時間の近傍ビンの近接性を捕捉するために,三,離散空間分布による位置の地理情報をコードし,空間的近接制約は位置含量にそれらを入れるだけで満足できるようにした。提案したアルゴリズムは,二つの大規模位置ベースソーシャルネットワークデータセット上で時間を考慮した位置レコメンデーションのための評価した。実験結果は,いくつかの競合する時間を考慮したレコメンデーションベースラインへの提案したアルゴリズムの優位性を示し,提案したアルゴリズムの三つの戦略の顕著な利点を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】