文献

J-GLOBAL ID：201702215246582203   整理番号：17A1772249

マルチグラフランキングによる多重関係ソーシャルリコメンデーション【Powered by NICT】

Multirelational Social Recommendations via Multigraph Ranking

著者 (4件)： Mao Mingsong (Centre for Quantum Computation and Intelligent Systems, Faculty of Engineering and IT, University of Technology Sydney, Sydney, NSW, Australia) ,  Lu Jie (Centre for Quantum Computation and Intelligent Systems, Faculty of Engineering and IT, University of Technology Sydney, Sydney, NSW, Australia) ,  Zhang Guangquan (Centre for Quantum Computation and Intelligent Systems, Faculty of Engineering and IT, University of Technology Sydney, Sydney, NSW, Australia) ,  Zhang Jinlong (Institute of Management Information, School of Management, Huazhong University of Science and Technology, Wuhan, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 12  ページ： 4049-4061  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 推薦システムは,大規模オンラインアプリケーションにおいても特定ユーザに関連する項目を同定することを目的とする。ユーザの歴史的評価データは,協調フィルタリング(CF)のような多くの推奨モデルのための貴重な入力資源であるが,考慮したユーザや項目は不十分な評価記録を持っているとき,これらモデルは,レイティングスパース性問題を抱えていることが知られている。オンラインソーシャルネットワークの連続的成長で,増加したユーザ関係が有用であると報告されており,CF評価スパース性問題を緩和することができる。研究者は社会的ネットワークに基づく推薦システムを開発したが,多重関係ソーシャルネットワークを処理する統一モデルではない。この課題を解決するために,本論文では,マルチグラフにおける異なるユーザ関係を表し,高次環境における特定ユーザの最近接を同定し,推奨するマルチグラフランキングモデルを開発した。は二種の実世界データセット上で実験を行う1)Epinionsおよび2)Last.fm,と他の手法との包括的比較は,このモデルが推奨範囲と精度の両方に関して,評価データはわずかである場合に推薦性能を改善することを示す。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： モデリング ,  レイティング ,  *多重化
準シソーラス用語： スパース性 ,  協調フィルタリング ,  推奨システム , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 多重