文献

J-GLOBAL ID：201702270633936430   整理番号：17A0856860

マルチクラス優先コンテキストを用いた協調的レコメンデーション【Powered by NICT】

Collaborative Recommendation with Multiclass Preference Context

著者 (2件)： Pan Weike (College of Computer Science and Software Engineering, Shenzhen University) ,  Ming Zhong (College of Computer Science and Software Engineering, Shenzhen University)
資料名： IEEE Intelligent Systems  (IEEE Intelligent Systems)
巻： 32  号： 2  ページ： 45-51  発行年： 2017年 
JST資料番号： T0134A  ISSN： 1541-1672  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： 因子化と近傍ベース法は共同推薦タスクのための最新の手法として認識されている。本論文では,カテゴリー多クラス優先としてユーザ評価を多クラス優先文脈(MF MPC)行列因数分解と呼ばれる新しい方法,類似した過去の多クラス優先(SVD++における1クラス選択の代わりに)ユーザは将来における類似の味を持つであろうという仮定に基づく強化された近傍を統合を提案した。MF MPCの主な利点は,細粒に因数分解フレームワークにおけるマルチクラス選好の文脈を利用し,これらの二つの方法の利点を継承するその能力である。三つの実世界データセット上での実験結果は,それらの溶液は,因数分解ベース法,近傍ベース法および統合法1クラス選好の文脈よりも有意に良好な性能を有することを示した。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： *因数分解
準シソーラス用語： 行列因数分解 ,  ユーザ評価 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： マルチ ,  クラス ,  優先 ,  コンテキスト ,  協調 ,  レコメンデーション