文献

J-GLOBAL ID：201702257916609719   整理番号：17A0314527

CMPTF:レコメンダーシステムのための文脈モデル化確率的テンソル因数分解【Powered by NICT】

CMPTF: Contextual Modeling Probabilistic Tensor Factorization for recommender systems

著者 (4件)： Zheng Cong (Beijing University of Posts and Telecommunications, No. 10, Xitucheng Road, Haidian District, Beijing, PR China) ,  E Haihong (Beijing University of Posts and Telecommunications, No. 10, Xitucheng Road, Haidian District, Beijing, PR China) ,  Song Meina (Beijing University of Posts and Telecommunications, No. 10, Xitucheng Road, Haidian District, Beijing, PR China) ,  Song Junde (Beijing University of Posts and Telecommunications, No. 10, Xitucheng Road, Haidian District, Beijing, PR China)
資料名： Neurocomputing  (Neurocomputing)
巻： 205  ページ： 141-151  発行年： 2016年09月12日 
JST資料番号： W0360A  ISSN： 0925-2312  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： 建築個人化レコメンダーシステムのための有用な因子であることが証明されている文脈情報。しかし,推薦システムにおける確率的行列因数分解に基づく殆どの既存の解は評価,社会的関係,項目内容と状況などの情報を統合した一つのモデル同時にへの直接的な方法を提供していない。本論文では,ユーザ項目文脈評価テンソルとして与えられたデータをdeemと確率的行列因数分解の一般化である確率論的テンソル因数分解(PTF)と呼ばれる協調フィルタリングの高次元法を導入した。,推薦の品質をさらに改善するために,トピックモデリング,社会的関係と文脈を統合した文脈モデリング方法で系統的に,文脈的モデリング確率的テンソル因数分解(CMPTF)と名付けた新しいモデルにPTFを拡張した。実世界データセットを用いて行った総合的な比較実験を行い,提案アプローチの優位性を示した。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： 確率論 ,  *因数分解 ,  モデリング ,  比較試験 ,  高次元 ,  *テンソル ,  品質
準シソーラス用語： 協調フィルタリング ,  社会的関係 ,  行列因数分解 ,  推奨システム ,  文脈情報 , 【Automatic Indexing@JST】

著者キーワード (3件)： 推薦システム ,  文脈を意識した ,  テンソル因数分解

分類 (2件)： 数値計算  (JE02000J) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 文脈モデル ,  確率 ,  テンソル ,  因数分解