文献

J-GLOBAL ID：201702213685483787   整理番号：17A1522562

主題モデルと協調フィルタリングを統合した多様化モバイルアプリケーション推薦【JST・京大機械翻訳】

Diversified Mobile App Recommendation Combining Topic Model and Collaborative Filtering

著者 (5件)： Huang Lu (数据工程与知識工程教育部重点実験室(中国人民大学信息学院),北京,100872) ,  Lin Chuanjie (数据工程与知識工程教育部重点実験室(中国人民大学信息学院),北京,100872) ,  He Jun (数据工程与知識工程教育部重点実験室(中国人民大学信息学院),北京,100872) ,  Liu Hongyan (清華大学経済管理学院,北京,100084) ,  Du Xiaoyong (数据工程与知識工程教育部重点実験室(中国人民大学信息学院),北京,100872)
資料名： Ruanjian Xuebao  (Ruanjian Xuebao)
巻： 28  号： 3  ページ： 708-720  発行年： 2017年 
JST資料番号： C2542A  ISSN： 1000-9825  CODEN： RUXUEW  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： モバイルアプリケーションの急速な増加に伴い,携帯電話のハンドオーバなどのモバイルアプリケーションは,情報の過負荷の問題に直面している。多くのモバイルアプリケーションにおいて,ユーザは最適化を見つけることが難しい。一方、長尾の応用は資源池において、知られていないことが知られている。推薦方法は推薦精度を重視することが多く、多様性を無視し、推薦結果の多くはダウンロード量の高い応用であり、推薦システムのデータ蓄積はますます熱い応用に偏り、長期的な推薦効果はますます悪くなっている。この問題に対して、まず二つの推薦方法を改善し、ユーザーの主題モデルと応用の主題モデルをMFと結合したLDA-MFモデル、および応用のラベル情報とユーザー行為データを同時に考慮するLDA_CFアルゴリズムを提案した。異なるアルゴリズムの長所を結合するために,推薦精度を保証する条件の下で,推薦結果の多様性を向上させるために,LDA_MF,LDA_CF,および古典的な協力的フィルタリングモデルに基づくハイブリッド推薦アルゴリズムを提案した。実際の大データ評価により提案した推薦アルゴリズムを用いることにより、提案した推薦方法は推薦の多様性がより良く、かつ正確率がより高い結果を得ることができることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *フィルタリング ,  過負荷 ,  データ蓄積 ,  高速度 ,  最適化 ,  アルゴリズム ,  携帯電話 ,  ダウンロード ,  *多様化 ,  ハンドオーバ
準シソーラス用語： 推薦アルゴリズム ,  推奨システム ,  *モバイルアプリケーション ,  *協調フィルタリング , 【Automatic Indexing@JST】

著者キーワード (5件)： topic model ,  matrix factorization ,  recommended system ,  recommendation diversity ,  collaborative filtering

分類 (2件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 主題 ,  モデル ,  協調フィルタリング ,  統合 ,  多様化 ,  モバイルアプリケーション ,  推薦