文献

J-GLOBAL ID：201702217263552649   整理番号：17A0371478

学習利用者選好プロファイルに対する重み付き適応法【Powered by NICT】

A weighted adaptation method on learning user preference profile

著者 (6件)： Zhang Zhiyuan (School of Communication and Information Engineering, Beijing Jiaotong University, Beijing 100044, China) ,  Zhang Zhiyuan (Key Laboratory of Communication and Information Systems, Beijing Municipal Commission of Education, Beijing Jiaotong University, Beijing 100044, China) ,  Liu Yun (School of Communication and Information Engineering, Beijing Jiaotong University, Beijing 100044, China) ,  Liu Yun (Key Laboratory of Communication and Information Systems, Beijing Municipal Commission of Education, Beijing Jiaotong University, Beijing 100044, China) ,  Xu Guandong (Advanced Analytics Institute, University of Technology Sydney, Australia.) ,  Chen Haiqiang (China Information Technology Security Evaluation Center, Beijing, 100085, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 112  ページ： 114-126  発行年： 2016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： 推薦システムは典型的にはし好性プロファイルを蓄積する。プロファイルの多くの項目は数値属性で表すことができる。しかし,各ユーザの初期プロフィルは不完全で不正確である。これらシステムの開発における一つの重要な問題は,利用者の好みを学習し,プロファイルを更新自動適応するかということである。この問題を解決するために,本論文では,ユーザと推薦システム間の相互作用を解析することにより数値属性上の学習ユーザ選好のための教師なしアプローチを提案した。ターゲットユーザーへ提示された勧告のリストと,好発項目は彼/彼女,つぎに,選んだ項目によって選択される以上のランク付けされた項目は,ユーザプロファイルを学習するために貴重なフィードバックとして使用されるであろう。具体的には,二つの寄与を提供:1),ユーザフィードバックと2)の解析を通して上でランク付けされた項目の影響を測定するために学習アプローチ,ユーザ選択を分析することによって,異なる属性の重みを計算するための重み付けアルゴリズムである。これら二つの方法は,ユーザの好みプロファイルを更新するための伝統的な適応モデルに統合した。広範なシミュレーション結果は,両アプローチが既存の手法よりもより効果的であることを示した。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： 相互作用 ,  *学習 ,  シミュレーション ,  等級づけ ,  重みづけ ,  利用者プロファイル ,  アルゴリズム ,  嗜好性
準シソーラス用語： ユーザ選択 ,  ユーザフィードバック ,  推奨システム , 【Automatic Indexing@JST】

著者キーワード (4件)： 推薦システム ,  数値属性 ,  ユーザ選好プロファイル ,  動力学

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 学習 ,  利用者 ,  選好 ,  プロファイル ,  適応