文献

J-GLOBAL ID：201702220801959552   整理番号：17A1732859

対行列因子分解のための重み付けアイテムランキング【Powered by NICT】

Weighted item ranking for pairwise matrix factorization

著者 (4件)： Zhang Haiyang (Telecommunications Research Centre (TRC), University of Limerick, Ireland) ,  Ganchev Ivan (Telecommunications Research Centre (TRC), University of Limerick, Ireland) ,  Nikolov Nikola S. (Telecommunications Research Centre (TRC), University of Limerick, Ireland) ,  O’Droma Mairtin (Telecommunications Research Centre (TRC), University of Limerick, Ireland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SEEDA-CECNSM  ページ： 1-5  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： インターネットに採用した推薦システムがそれらに興味があるであろう,推奨項目別に利用者に役立つことを目的とする。レコメンデーション問題はまだユーザによるunratedである項目の評価値をユーザに対して可能な限り正確に予測することを目的とし,定格推定問題として,ユーザに最も関心のあることをトップkランク項目はまだランク付けされていないを見出すことを目的とし,ランキング問題として流延成形できた。他のユーザの明示的項目評価は利用できない状況において,ランキング予測は評価予測よりも重要である。既存の順位に基づく予測アプローチの大部分は常にではない1例等しい重みを持つ項目を考察した。異なる重み項目の項目の重要性,望ましさの反射として考え,利用者にすることができた。本論文では,著者らは,ランキングベース行列因数分解モデル,学習がBayes個人向けランク付け(BPR)で駆動される可変項目重みを統合することを提案した。異なる重量学習法を利用した二順位に基づくモデルを提案し,両モデルの性能は標準B PR法よりも良好な値を確認した。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： 等級づけ ,  予測 ,  インターネット ,  学習 ,  *重みづけ ,  流延成形
準シソーラス用語： 行列因数分解 ,  推奨システム ,  *因子分解 , 【Automatic Indexing@JST】

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 (4件)： 行列 ,  因子分解 ,  重み付け ,  ランキング