文献

J-GLOBAL ID：201702224732470573   整理番号：17A0238913

Bayes最適化による陰的フィードバック多重行列因数分解による新卒業生のための会社の勧告【Powered by NICT】

Company recommendation for new graduates via implicit feedback multiple matrix factorization with Bayesian optimization

著者 (6件)： Kazama Masahiro (Recruit Technologies Co., Ltd., Tokyo, Japan) ,  Sato Issei (The University of Tokyo, Tokyo, Japan) ,  Yatabe Haruaki (Recruit Career Co., Ltd., Tokyo, Japan) ,  Ogihara Tairiku (Recruit Career Co., Ltd., Tokyo, Japan) ,  Onishi Tetsuro (Recruit Career Co., Ltd., Tokyo, Japan) ,  Nakagawa Hiroshi (The University of Tokyo, Tokyo, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 1615-1620  発行年： 2016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： 新しい卒業生に対する企業のレコメンデーションシステムを開発した。本論文では,high/lowブラウジング会社を定義し,ブラウジングデータから各学生に適した低和会社の動員ナビゲーションシステムを構築した。伝統的な勧告とは異なり,流入(応用)期間は限られていることを問題に対処する必要がある。著者らの問題に適用できる方法は多くのハイパーパラメータを調整する関与する傾向があった。Bayes最適化を用いてこの問題を解決した。侵入データを用いてシステムを評価し経験的に,会社は,学生が適用しているを示した。100社を推奨したとき,この方法は,学生に適用した企業の45%以上をカバーしているが,既存の方法はわずか約25%を占めた。さらに,動員活性の初期段階における入力データを用いてこのモデルを検証しなかったが,Bayes最適化におけるブラウジングデータを用いて検証を置換できることを見出した。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： *フィードバック ,  多重化 ,  ブラウジング ,  *最適化
準シソーラス用語： 入力データ ,  侵入 ,  ハイパーパラメータ ,  推奨システム , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： Bayes最適化 ,  フィードバック ,  多重 ,  行列因数分解 ,  卒業生 ,  会社 ,  勧告