文献

J-GLOBAL ID：201602216646921414   整理番号：16A0164204

改良型局所性高感度ハッシングに基づく協調フィルタリング推奨アルゴリズム【Powered by NICT】

Collaborative Filtering Recommendation Algorithm Based on Improved Locality-sensitive Hashing

著者 (3件)： Li Hongmei (Inst. of Command and Information System,PLA Univ. of Sci. and Technol., Nanjing) ,  Hao Wenning (Inst. of Command and Information System,PLA Univ. of Sci. and Technol., Nanjing) ,  Chen Gang (Inst. of Command and Information System,PLA Univ. of Sci. and Technol., Nanjing)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 42  号： 10  ページ： 256-261  発行年： 2015年 
JST資料番号： C2530A  ISSN： 1002-137X  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： 協調フィルタリングは大きな成功により個人化レコメンデーションシステムにおいて広く利用されている重要な技術の一つである。協調フィルタリングの重要な段階は,k最近傍(kNN),ユーザ定格を予測し,推奨する利用を得ることである。評価データは最近傍検出における直接類似性測定法によりその大規模性,高次元,極端なスパース性,および低い実時間能力により特性化されることを物質に影響される推薦の品質を改善するために,著者らは,局所性鋭敏型ハッシュに基づく協調フィルタリング推奨アルゴリズムを提案し,これを改善した。このアルゴリズムは,p状態分布に基づく局所性鋭敏型ハッシュ法を応用し大容量定格データの低次元性と指数を得た。次にマルチプローブは,標的ユーザの近似最利用者を得ることに大きな効率的アルゴリズムを改善するために利用されている。次に,ユーザ定格を予測し,最後に協調フィルタリングレコメンデーションを行うために使用された重みづけ法。典型的なデータセット上での実験結果により,提案したアルゴリズムは,幾分かは高次元性およびスパース性の制約を克服できることを示し,良い推薦性能,高い効率と低いメモリ消費を有する。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 重みづけ ,  定格 ,  *ハッシング ,  *アルゴリズム ,  キャラクタリゼーション ,  *局所性 ,  高次元 ,  利用者 ,  *高感度
準シソーラス用語： データセット ,  リコメンデーション【Web】 ,  実時間 ,  スパース性 ,  *勧告 ,  *協調フィルタリング , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 局所性 ,  高感度 ,  ハッシング ,  協調フィルタリング ,  推奨 ,  アルゴリズム