文献

J-GLOBAL ID：201702231181421401   整理番号：17A1353562

レコメンダーシステムからの高次元と疎行列の潜在因子モデルにおける線形バイアスの影響【Powered by NICT】

Effect of linear biases in latent factor models on high-dimensional and sparse matrices from recommender systems

著者 (4件)： Ye Yuan (Chongqing Key Laboratory of Big Data and Intelligent Computing, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, China) ,  Luo Xin (Chongqing Key Laboratory of Big Data and Intelligent Computing, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, China) ,  Shang Ming-Sheng (Chongqing Key Laboratory of Big Data and Intelligent Computing, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, China) ,  Xin-Yi Cai (Chongqing Key Laboratory of Big Data and Intelligent Computing, Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNSC  ページ： 488-494  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： 潜在因子(LF)ベースモデルは,推薦システムを実行する上で効率的であることが証明され,高次元と疎行列を良く表現する能力になってきた。以前の研究はそれに線形バイアスを付加する事により元LFモデルの予測精度と計算効率の両方をに焦点を当てているが,そのような性能利得の線形バイアスによる個々と組合せ効果は不明のままである。この問題を解決するために,本研究は,以前の線形バイアスと訓練線形バイアスの影響を徹底的に研究した。線形バイアスの異なる組み合わせでLFモデルのパラメータ更新ルールと訓練過程を調べた。現在使用されている産業システムから高次元かつ疎行列を行った経験的検証。結果は,各線形バイアスはLFモデルの性能における正/負の影響を与えることを示した。そのような効果は部分的にデータ依存が,全球平均のようないくつかの線形バイアスは安定な性能利得をもたらすLFモデルにできる。分析と共に理論的および経験的結果は,推薦システムのためのLFモデルにおけるバイアス方式を設計する際の指針を提供した。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： *線形性 ,  *高次元 ,  *バイアス ,  利得 ,  *スパース行列
準シソーラス用語： 計算効率 ,  予測精度 , 【Automatic Indexing@JST】

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (5件)： 高次元 ,  疎行列 ,  因子モデル ,  線形 ,  バイアス