発見的データ関数による協調タグ付けシステムにおける項目推薦

WU Hao; PEI Yijian; LI Bo; KANG Zongzhan; LIU Xiaoxin; LI Hao

文献

J-GLOBAL ID：201502291004237432 整理番号：15A0707950

発見的データ関数による協調タグ付けシステムにおける項目推薦

Item recommendation in collaborative tagging systems via heuristic data fusion

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=15A0707950&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=15A0707950&from=J-GLOBAL&jstjournalNo=T0426A") }}

著者 (6件)： , , , , ,
資料名：
巻： 75 ページ： 124-140 発行年： 2015年02月
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)

協調タグ付けシステムはWebで人気になっている。しかしユーザからの推薦サービスへの要求増加により過負荷になっており,項目推薦がそのようなシステムでの重要課題となっている。本論文では,データ融合技術がそのようなシステムにおける項目推薦の効果を改善することに役立つかを検討する。そのため,まず,最近の推薦手法を,その原理となるアルゴリズムに基づいて幾つかのカテゴリに分類・整理する。その上で,DeliciousやLastfm, CiteUlikeの3つのソーシャルタグ付けシステムから得たデータ集合に対して約40個の推薦コンポーネントを実験した。これを基に,ランクベース手法やスコアベース手法など複数の発見的データ融合モデルを使って,選択した複数の推薦コンポーネントを組み合わせる。さらに,項目推薦を融合するためハイブリッド線形組合せモデル(HLC)を提案した。種類の違う推薦コンポーネントや融合モデルによって得られる推薦の質をシステマティックに評価するために,正解性,内部多様性,外部多様性,新規性の観点をそれぞれ評価する4種類の評価指標を定義した。実験結果に応じて,別々の推薦コンポーネントの結果を組み合わせることにより,別々のコンポーネントが類似した関連項目を推薦するものの,非類似項目としては違う集合を推薦する場合は,推薦の多様性や新規性を殆ど犠牲することなく,推薦の正確性を向上できた。特に,ユーザベースや項目ベースの協調フィルタリングにおいて,プロファイル表現と類似性関数の異なる組合せから得られた推薦集合を融合する場合は,推薦正確性が著しく向上する。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

, , , , ,
, , ,

人工知能

, , , ,

前のページに戻る