抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
モバイルデバイスの急速な出現により,スマートフォンは人々の日常生活のあらゆる面に浸透している。モバイルアプリケーションの爆発的な成長は,モバイルユーザが適しており,興味ある応用を見出すことを困難にしている。モバイルアプリケーションのレコメンデーションは多くの研究者によって検討されてきた,モバイルユーザが提案されているいくつかの産業解。協調フィルタ(CF)は推薦システムにおける一般的な手法であるが,評価のような明示的なフィードバックデータ収集が困難であるが必要である。多くの応用市場はキーワード検索機能を提供し,高いダウンロード数と応用を推奨した。しかし,応用をダウンロードするユーザが真にするアプリケーションを好むかどうかの漠然とした指標であり,それが設置されている直後のユーザは,おそらくその応用をuninstall可能性がある。いくつかの他の工業溶液は,社会的ネットワークのようなユーザの個人情報,プライバシー漏洩をもたらす可能性があることを含んでいる。本論文では,モバイルappの推薦を行うのに協調フィルタリングに基づいた二種のハイブリッドモデルを提案した。は,ユーザの利用データからの応用上のユーザの選好を標識するためにRFD(最近,周波数,継続時間)モデルのレバレッジを行った。改善アイテムオリエンテッドな協調フィルタリング(IIOCF),最初のモデルは応用間の潜在的因子を発見するための潜在因子モデルを活用することによりアイテムオリエンテッドなアプローチの性能を改善した。第二のモデル(HLF)は潜在因子とアイテムオリエンテッドなアプローチのハイブリッドモデルである。このモデルは潜在因子モデルとアイテムオリエンテッドなアプローチの予測を和,両アプローチの利点を捉えた。6,568応用と25,302人のユーザ上での実験結果は,HLFモデルはアイテムオリエンテッドなと潜在因子アプローチよりも優れた性能を持つことを明確に示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
