文献

J-GLOBAL ID：201702222731576598   整理番号：17A1672229

暗黙的特徴を融合したグループ推薦手法の研究【JST・京大機械翻訳】

Research on Method of Group Recommendation for Fusion of Hidden Features

著者 (3件)： Liu Yi (武漢理工大学計算机科学与技術学院 武漢430070) ,  Zhong Xian (武漢理工大学計算机科学与技術学院 武漢430070) ,  Li Lin (武漢理工大学計算机科学与技術学院 武漢430070)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 44  号： 3  ページ： 231-236  発行年： 2017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： 現在最も成功した主流の推薦方法として、特異値分解アルゴリズム(SVD)はすでに知られている大量のデータをモデル化し、マトリックス分解次元縮小処理を通じて有効な情報を得た。非負行列因数分解(NMF)は,非負行列要素を分解することによって,特性の意味を説明する。これらの2つの成功した方法は,優性フィードバック情報をマトリックス分解に基づく処理によって得ることができて,ユーザの好み情報を得ることができた。しかし、ユーザーの優性フィードバック情報だけでは、ユーザーの実際の好みを正確に反映することができない場合がある。これらの問題を解決するために,2つのモデルの改良法を提案し,隠れた特徴と隠れた特徴に基づくグループ重みづけ計算法を古典的なマトリックス分解アルゴリズムに融合し,その中で暗黙的特徴はユーザの好み情報を完全に改善する。隠れた特徴に基づくグループ重みづけ計算方法は、グループの特徴に応じて、ユーザーの相応の重みを与え、推薦の正確率を向上させる。この方法をKDD Cup 2012Track1においてテストし,実験結果により,提案した方法の平均絶対偏差(MAE)と精度がSVDアルゴリズムとNMFアルゴリズムよりも優れていることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： フィードバック ,  特異値分解 ,  *重みづけ ,  モデリング ,  次元縮小 ,  アルゴリズム ,  優性
準シソーラス用語： 行列要素 ,  非負行列因子分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： Group recommendation ,  Hidden features ,  Weights of the group ,  MAE

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 融合 ,  グループ ,  推薦 ,  手法 ,  研究