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。
個人化レコメンデーションのための貴重な知識を提供するオンラインソーシャルネットワークにおける顕著な進歩により,そのようなデータを処理するための有効で効率的な方法を設計する必要がある。本論文では,ユーザの選好情報と信頼関係を統合し,ユーザの評判と社会的ネットワークにおける彼/彼女の最近接の両方を考慮した信頼ベース推薦モデル(TbRM)[1]に従って推薦システムに焦点を当てた。著者らの主な貢献は,グラフ頂点計画(GVP)並列TbRMモデルを解くための高速アルゴリズムを提示することである。アイデアは,ユーザと項目の頂点を有したグラフとしての選好と信用情報を表現し,そのエッジは嗜好性と信用情報を含んでいる。この場合,レコメンデーション問題は,予め定義されたバーテックス状態関数とエッジ情報を用いた並列の頂点’状態を更新する反復的グラフ解析法となっている。一連の四種の実世界推奨データセット(Ciao,Epinions,OSNとFlixster)に関する実験のグラフ並列演算は明らかに推奨手順の速度を速めることを示した,例えば,GVPは異なる数のコアを持つ既存のポピュラーな分散確率的勾配降下アルゴリズムよりも1.1~2.3×より速く働く。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
