文献

J-GLOBAL ID：201702240388035848   整理番号：17A1397697

トップN推薦システムのための非線形関係の利用【Powered by NICT】

Exploiting Nonlinear Relationships for Top-N Recommender Systems

著者 (4件)： Kang Zhao ,  Peng Chong ,  Yang Ming ,  Cheng Qiang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICBK  ページ： 49-56  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： 情報過負荷問題を緩和するために,推奨技術が出現し,繁栄している。%の最も広く使用されている推奨手法として,協調フィルタリングアルゴリズムは,データスパース性およびコールドスタート問題を抱えている。,ユーザと項目間の正確な類似性とこれらのアルゴリズムによる予測の信頼できる基礎を得るために,準最適推奨品質に導くことは困難である。多くの最新の方法は,通常,データは線形超平面,そうではないに分布していると仮定した。評価データは,ユーザの多面的関心を反映し,通常非線形依存性を持っている。本論文では,データをマッピング高次元空間への,この新しい特徴空間における類似性情報を学習する。カーネル法は多くの実世界アプリケーションにおける複雑な関係を捕捉するための効果的であることが知られている。まず,単一カーネルベースアルゴリズムを提案した。カーネル法の性能はカーネルの選択に大きく依存することが知られている。そのような依存性を緩和するために,さらに多重カーネルベースアルゴリズムを開発した。六つの実世界データセット上での実験結果は,提案したアルゴリズムがいくつかの最先端推奨法の性能を顕著に改善することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： アルゴリズム ,  応用プログラム ,  類似性 ,  高次元 ,  多重化 ,  品質 ,  *線形性 ,  過負荷 ,  フィルタリング
準シソーラス用語： 最先端 ,  Kernel法 ,  特徴空間 ,  超平面 ,  スパース性 ,  協調フィルタリング ,  *推奨システム , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  電話・データ通信・交換一般  (ND11010T) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： トップ ,  推薦システム ,  非線形