文献

J-GLOBAL ID：201602210133938607   整理番号：16A0098235

トピックモデルに基づく個別化図書推薦アルゴリズム【Powered by NICT】

Personalized book recommendation algorithm based on topic model

著者 (4件)： Zheng Xiangyun (School of Software, Central South Univ., Hunan, Changsha) ,  Chen Zhigang (School of Software, Central South Univ., Hunan, Changsha) ,  Huang Rui (School of Software, Central South Univ., Hunan, Changsha) ,  Li Bo (School of Software, Central South Univ., Hunan, Changsha)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 35  号： 9  ページ： 2569-2573  発行年： 2015年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 伝統的な推薦アルゴリズムの時間計算量の問題に関し,潜在的ディリクレ配分(LDA)モデルに基づく新しい推奨モデルを提案した。図書館管理システムにおける図書レコメンデーション(BR)に適用したデータマイニングモデル,ブックRecommendation_Latentディリクレ配分(BR_LDA)モデルと命名した。他の書籍を用いた標的借り手の歴史的借用データの内容類似性解析により,標的借り手の歴史的借用書籍を用いた高含有量の類似性を持つ他の書籍が得られた。標的貸出者用歴史的借用データと他の貸出から歴史的データの類似性解析により,最近接の歴史的借用データが得られた。標的貸出は関心であった図書を推奨図書の確率を計算することによって得られた最終的にすることができた。特に,推奨図書の数が4000である場合,BR_LDAモデルの精度は多重特徴法よりも6.2%高く,相関ルール法よりも4.5%高かった。推奨リストは500項目を持つ場合,BR_LDAモデルの精度は最近接に基づく協調フィルタリングよりも2.1%高く,マトリックス分解に基づく協調フィルタリングよりも0.5%高かった。実験結果は,このモデルが図書のデータを効率的に発掘,標的貸出への潜在的興味のカテゴリーにおける歴史的関心カテゴリーと新しい書籍に属する新しい図書を推奨できることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 類似性 ,  多重化 ,  相関ルール ,  *相似解
準シソーラス用語： 協調フィルタリング ,  リコメンデーション【Web】 ,  *トピックモデル , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： トピックモデル ,  図書 ,  推薦アルゴリズム