抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
推奨独立性を高めるための新しいアプローチを研究した。このようなアプローチは法規の遵守,コンテンツプロバイダの公平な処理,不要な情報の排除を確実にするのに有用である。例えば,求職者と雇用者に適合する勧告は社会的公平性の観点から,性別または人種など,社会的に敏感な情報に基づくべきではない。このような機密情報の影響を排除できることをアルゴリズムはこの場合に有用であろう。以前推奨独立性の形式的定義を与え,このような独立性制約を課すことを正則化器を採用した方法を提案した。この正則化手法が提案されていないよりも他の選択肢として,ここでは新しいモデルベースアプローチ,推奨独立性の制約を満足する生成モデルを提案した。はこのアプローチを適用する潜在クラスモデルとモデルベースのアプローチは,独立性を高めることができることを実験的に示した。トピックモデルのような,生成モデルに基づくレコメンデーションアルゴリズムは重要であり,それらが,多種多様な情報タイプを導入することができる柔軟な機能性を持つからである。著者らの新しいモデルベースアプローチは,生成モデルの機能性を統合することにより,独立性強化された勧告の応用を広げるであろう。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】