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普及は,ユーザが多くの陰的フィードバック(例えば,クリック,希望リストに加え,購入)を生成する電子商取引の開発を進めている。一般に,陰的フィードバックは購入のようなある種の暗黙のフィードバックとクリックのような不確実な陰的フィードバックに分けることができる。しかし,ある種の暗黙のフィードバックはわずかであるが,クリックのような不確実な陰的フィードバックがより一般的である。レコメンダーシステムでは,大部分の従来の方法は,ある種の暗黙のフィードバック,スパース性問題にのみを利用している。本論文では,ある種の暗黙のフィードバックのスパース性問題を扱うために不均一陰的フィードバック利用するHCoM(不均一COnstraintモデル)と呼ばれる改良型アイテムに基づく類似性モデルを提案した。我々のモデルでは,項目類似性は,正則化項に関与する不均一拘束(HC)と構造方程式モデリングアプローチを用いて学習した。その結果,スパース性問題を緩和しより高い精度が得られた。最新のトップNレコメンデーション手法とHCoMを比較するために異なるスケールとsparsitiesと真正ユーザ商品移動挙動データセット上で一連の実験を行った。実験結果はHCoMが推薦品質と比較して全ての方法で顕著な改善を達成することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】