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。
確率的行列分解(Probabilistic Matrix Factorization:PMF)において,行列要素とは別の,行や列に対応する特徴量を反映させる確率的行列分解回帰(Probabilistic Matrix Factorized Regression:PMFR)を提案する。あわせて,変分ベイズ推定の新たな初期化方法も提案する。PMFRはPMFと縮小ランク回帰を特別な場合として含み,ベイズ推定により両者の特性を適切に反映させることができる。推薦システムでは,PMFRは協調フィルタリング(Collaborative Filtering:CF)と内容ベースフィルタリング(Content-Based Filtering:CBF)を統合した確率モデルの一つとしても考えられる。MovieLensデータに適用した結果,デモグラフィック属性をユーザの特徴量,ジャンル属性を映画の特徴量とするPMFRは,PMFよりも高精度であり,特にコールドスタート問題に有効であることがわかった。(著者抄録)