文献

J-GLOBAL ID：201702228421294189   整理番号：17A1926249

動的畳込み確率行列分解に基づく潜在的グループ推薦【JST・京大機械翻訳】

Latent Group Recommendation Based on Dynamic Probabilistic Matrix Factorization Model Integrated with CNN

著者 (2件)： Wang Haiyan (南京郵電大学計算机学院 南京 210023;江蘇省无線伝感网高技術研究重点実験室 南京 210003;江蘇省大数据安全与智能処理重点実験室 南京 210023) ,  Dong Maowei (南京郵電大学計算机学院 南京 210023)
資料名： Jisuanji Yanjiu yu Fazhan  (Jisuanji Yanjiu yu Fazhan)
巻： 54  号： 8  ページ： 1853-1863  発行年： 2017年 
JST資料番号： W0790A  ISSN： 1000-1239  CODEN： JYYFEY  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： 近年、グループ推薦はその良好な実用価値により、広く注目されている。しかし、既存のグループ推薦方法はほとんどがユーザーのサービスに対する採点行列を分析することにより、直接に個人ユーザの推薦結果または個体の好みを集約し、ユーザ-グループ-サービスの三者間の関係を総合的に考慮しないため、グループ推薦の効果が悪い。潜在的因子モデルと状態空間モデルに基づき,スコア行列,サービス記述文書,および時間因子を組み合わせて,ユーザ-グループ-サービスの間の関係を分析して,動的畳込み確率行列分解に基づくグループ推薦方式を提案した。まず第一に,畳込み神経回路網に基づくテキスト表現法を用いて,サービスの潜在的特徴モデルの事前分布を得た。次に,状態空間モデルと確率行列分解モデルを結合して,利用者の潜在的選好ベクトルとサービス特徴ベクトルを得ることができた。その後,ユーザ選好ベクトルに対してクラスタリングアルゴリズムを用いて,潜在的グループを発見した。最終的に,グループにおけるユーザ選好に対して平均値戦略を採用してグループ選好ベクトルを融合し,サービス特徴ベクトルと共同でグループのサービスを評価し,グループ推薦を実現する。MovieLensデータセットに関する実験結果は,提案した方法の有効性と正確さを示した。. . 1の方法と比較して,提案した方法の有効性と精度を示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ベクトル ,  神経回路網
準シソーラス用語： クラスタリングアルゴリズム ,  特徴ベクトル ,  事前分布 ,  テキスト ,  スコア ,  状態空間モデル ,  *行列分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： convolutional neural network ,  probabilistic matrix factorization ,  state space model ,  clustering algorithms ,  group recommendation

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 畳込み ,  確率行列 ,  分解 ,  グループ ,  推薦