文献

J-GLOBAL ID：201702266862199934   整理番号：17A0833170

評価予測とランキング予測に基づく1クラス協調フィルタリング【Powered by NICT】

One-class collaborative filtering based on rating prediction and ranking prediction

著者 (5件)： Li Gai (School of Electronics and Information Engineering, Shunde Polytechnic, Guangdong Shunde 528333, China) ,  Zhang Zhiqiang (School of Electronics and Information Engineering, Shunde Polytechnic, Guangdong Shunde 528333, China) ,  Wang Liyang (School of Electronics and Information Engineering, Shunde Polytechnic, Guangdong Shunde 528333, China) ,  Chen Qiang (Department of Computer Science, Guangdong University of Education, Guangdong Guangzhou 510303, China) ,  Pan Jincai (School of Electronics and Information Engineering, Shunde Polytechnic, Guangdong Shunde 528333, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 124  ページ： 46-54  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： 1クラス協調フィルタリング(OCCF)は,最近,実際の産業問題設定との密接な関係のために,推薦コミュニティにおいて多くの注目を集めている。OCCFに関する以前の研究の問題点は,評価予測またはランキング予測のいずれかに焦点を当てたが,協奏的研究努力が推奨項目の評価とランクを同時に最適化することを推奨手法を開発することに向けられていない。以前の研究の欠陥を克服するために,最新の協調少ないisよりフィルタリング(CLiMF)アプローチと確率的行列因数分解(PMF)法に基づく新しい良好な統一OCCFアプローチ(UOCCF)を提案し,それは順位指向での展望とCLiMFとPMFにおけるユーザと項目の共通潜在特徴を共有するによる評定配向の観点から有利である。UOCCFのための最適化問題を解くための効率的学習アルゴリズムを提案した。実用的データセット上での実験結果は,提案したUOCCF手法は異なる評価測定基準を越え,既存OCCFアプローチ(順位指向でと評価配向)より優れていることを,UOCCFアプローチは低複雑性の利点を享受し,与えられた利用者-項目評価マトリックスで観察された評価の数と線形であることが示されていることを示した。その高い精度と良好な拡張性のため,UOCCFはビッグデータ処理に適しており,インターネット情報推薦の分野で広い応用の可能性を持っている。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： 線形性 ,  コミュニティ ,  最適化問題 ,  *予測 ,  最適化 ,  学習アルゴリズム ,  *等級づけ ,  インターネット ,  *フィルタリング
準シソーラス用語： 情報推薦 ,  ビッグデータ ,  低複雑性 ,  行列因数分解 ,  *協調フィルタリング , 【Automatic Indexing@JST】

著者キーワード (5件)： 推奨システム ,  協調フィルタリング ,  協調ランキング ,  陰的フィードバック ,  統一推奨モデル

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 評価 ,  予測 ,  ランキング ,  クラス ,  協調フィルタリング