文献

J-GLOBAL ID：201702242656895669   整理番号：17A1250928

画像の個別化非推移選好学習【Powered by NICT】

Learning the Personalized Intransitive Preferences of Images

著者 (5件)： Chen Jun (School of Software, Tsinghua University, Beijing, China) ,  Wang Chaokun (School of Software, Tsinghua University, Beijing, China) ,  Wang Jianmin (School of Software, Tsinghua University, Beijing, China) ,  Ying Xiang (School of Software, Tsinghua University, Beijing, China) ,  Wang Xuecheng (School of Software, Tsinghua University, Beijing, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 9  ページ： 4139-4153  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
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： ユーザ選好に関する以前の研究の大部分は,画像のような消耗媒体の個人推移選好順位であることを仮定した。例えば,選好の推移は,推薦システム研究における最も重要な仮定の一つである。しかし,スポーツ試合における,および岩石-紙-はさみゲームでも,オンラインビデオゲームにおける勝利/損失関係など,広く観察されている非推移的関係。も異なる被験者は大学入院希望者の間の一対比較における個別化非推移的選好性を示すことが分かった。画像上の選好の非推移性は以前に研究され,個別画像探索およびレコメンデーションの研究に大きな影響を与えるので,画像の個別非推移的選好を予測する新しい方法を提案することが必要である。本論文では,画像選好の非推移的関係を予測するための新しい多目的嗜好性(MuCri)モデルを提案した。MuCriモデルは,異なる種類の画像コンテンツ特徴のユーザと画像の潜在的特徴を利用した。一方,新しいデータセットを構築し,MuCriモデルの性能を評価した。実験評価はMuCriモデルはすべてのベースラインよりも優れていることを示した。この話題の学際的性質のために,著者らは,画像処理の分野のみならず他のコミュニティ,機械学習,マルチメディア,レコメンダーシステムのような研究者の注目を集めている広くであろうと信じている。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： 機械学習 ,  モデル ,  岩石 ,  境界領域 ,  マルチメディア ,  ゲーム ,  *画像 ,  画像処理 ,  嗜好性 ,  *学習 ,  コミュニティ ,  画像検索 ,  スポーツ
準シソーラス用語： 映像コンテンツ ,  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 (3件)： 推移 ,  選好 ,  学習