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。
位置に基づくソーシャルネットワーク(LBSNs)captureindividuals行方人口の大部分であった。ユーザ(位置)-類似性ベースタスクのためのこのデータを利用するために,生データを地図化低次元uniformfeature空間になければならない。LBSNsの性質のために,manyusersは疎で不完全なチェックinsを有していた。本研究では,networkof友人を利用することによってこの問題を克服するために提案した新しい特徴空間を学習した。は個人の移動度への友人の影響をfirstanalyze,個人軌道は(2ホップ友人)友人の友人や友人ひき起こしオンライン設定をthoseofと相関していることをandshow。我々の観察に基づいて,著者らは,ユーザのチェックinsと友人のネットワークpatternsfrom大域的移動性を推論する,モデルの複雑さをwithoutimpairingことを混合メンバシップモデルを提案した。著者らの提案したモデルは,パターンをinfersglobal,両usersand位置のための新しい表現を学習した。推定patternsandは社会的リンク予測問題に関する新しいユーザ表現againstbaseline法の品質を比較評価した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】