文献

J-GLOBAL ID：201702280152693763   整理番号：17A0408791

非負行列因数分解とR1ノルムに基づくロバストな協調フィルタリング【Powered by NICT】

Robust collaborative filtering based on non-negative matrix factorization and R ₁-norm

著者 (10件)： Zhang Fuzhi (School of Information Science and Engineering, Yanshan University, Qinhuangdao, Hebei Province, China) ,  Zhang Fuzhi (The Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao, Hebei Province, China) ,  Lu Yuanli (School of Information Science and Engineering, Yanshan University, Qinhuangdao, Hebei Province, China) ,  Lu Yuanli (The Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao, Hebei Province, China) ,  Chen Jianmin (School of Information Science and Engineering, Yanshan University, Qinhuangdao, Hebei Province, China) ,  Chen Jianmin (The Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao, Hebei Province, China) ,  Liu Shaoshuai (School of Information Science and Engineering, Yanshan University, Qinhuangdao, Hebei Province, China) ,  Liu Shaoshuai (The Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao, Hebei Province, China) ,  Ling Zhoujun (School of Information Science and Engineering, Yanshan University, Qinhuangdao, Hebei Province, China) ,  Ling Zhoujun (The Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao, Hebei Province, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 118  ページ： 177-190  発行年： 2017年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 協調フィルタリングシステムは,悪意のあるユーザは意図的に数偽プロファイルを挿入することによりシステムの推奨出力を操作することができるシリング攻撃またはプロファイルインジェクション攻撃に脆弱である。この問題に対処するために,行列因数分解に基づくいくつかのロバストな協調フィルタリング手法が提案されている。しかし,大きな残差によって支配され容易にできることを損失関数として二乗誤差関数を用いているためこれらの方法は低ロバスト性と推薦精度に悩まされている。本論文では,非負行列因子分解とRノルムに基づくロバストな協調フィルタリング法を提案した。最初に,協調フィルタリングのためのロバストな非負行列因数分解モデルを構築し,モデルの安定性の解析をするR_1ノルムを導入した。第二に,非負行列因子分解の反復更新アルゴリズムに基づく特徴行列の逐次最適化法,予測評価は正確であり,非負ことを保証することを提案した。最後に,提案したモデルに基づくロバストな協調的フィルタリングアルゴリズムを考案した。二つの異なるデータセット上での実験結果は,提案した方法がロバスト性と推薦精度を改善できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ノルム ,  残差 ,  アルゴリズム ,  *ロバスト性 ,  損失関数 ,  最適化 ,  誤差関数
準シソーラス用語： 因子分解 ,  非負行列因子分解 ,  *協調フィルタリング ,  *行列因数分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： いんちき攻撃 ,  ロバスト協調フィルタリング ,  Rは_1ノルム ,  損失関数 ,  非負値行列因子分解

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 非負行列因数分解 ,  ノルム ,  ロバスト ,  協調フィルタリング