文献

J-GLOBAL ID：201702281066555128   整理番号：17A1967633

オントロジーを用いたレコメンダシステムのための性能改善【Powered by NICT】

Performance improvement for recommender systems using ontology

著者 (5件)： Bagherifard Karamollah (Department of Computer Engineering, Faculty of Engineering, Arak University, Arak 38156-8-8349, Iran) ,  Rahmani Mohsen (Department of Computer Engineering, Faculty of Engineering, Arak University, Arak 38156-8-8349, Iran) ,  Nilashi Mehrbakhsh (Faculty of Computing, Universiti Teknologi Malaysia, 81310 Skudai, Johor, Malaysia) ,  Nilashi Mehrbakhsh (Department of Computer Engineering, Lahijan Branch, Islamic Azad University, Lahijan, Iran) ,  Rafe Vahid (Department of Computer Engineering, Faculty of Engineering, Arak University, Arak 38156-8-8349, Iran)
資料名： Telematics and Informatics  (Telematics and Informatics)
巻： 34  号： 8  ページ： 1772-1792  発行年： 2017年 
JST資料番号： A0344C  ISSN： 0736-5853  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 推薦システムは,eコマースの分野で出現したオンラインユーザに適切な項目を推奨し積極的に開発した。最近開発されたハイブリッド推薦システムの使用は,コンテンツに基づくフィルタリング(CBF)と協調フィルタリング(CF)の主な欠点を克服する助力となった。CFおよびCBFを組み合わせたハイブリッド推薦システムでは,CF部分は二つの方法,記憶とモデルベースアプローチを用いた。両方のアプローチは,レコメンデーションのためのいくつかの利点と欠点を持っている。スパース性はこれらの方法に関連する主な困難の一つとなっている,精度の高い推薦は,記憶に基づくアプローチの重要な利点の一つとなっている。しかし,それらデータベースが膨大な数項目とのユーザを含むこの方法は,現在の推薦システムのためのスケーラブルではない。対照的に,モデルベースアプローチは,低精度で勧告を生成するが,電子商取引レコメンダーシステムにおける大規模データベースのためのスケーラブルである。それに応じて,この問題に対処し,両アプローチの利点を得るために,本研究では,新しいハイブリッド推薦手法を提案し,実世界データセットを用いて評価した。目的は,メモリベースとモデルベース手法を組み合わせた発見的ハイブリッド推薦法を設計することによって効率と精度を改善することである。より詳しくいえば,ここではCF部分におけるオントロジーを用い,CBF部分における項目オントロジーにおける概念間の階層的関係(IS-A関係)の端部の均一性を除去することにより,オントロジー構造を改善した。オントロジー構造は精度を改善するための考えられているこれによれば,従来の方法よりも正確であることを意味論的類似性を測定するための新しい方法を示した。この新しい方法は,この方法でCFおよびCBFの精度を高めることができる。添加では,目標ユーザの類似クラスタと隣接ユーザを見出すために必要な探索数は,オントロジー,クラスタリングと新しく提案したアルゴリズムを用いて有意に減少した。実世界データセットを用いて提案した方法を評価した。実験結果は,この方法がベンチマークk最近傍(k NN)とモデルベースレコメンデーション手法よりもよりスケーラブルかつ正確であることを示した。Copyright 2018 Elsevier B.V., Amsterdam. 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 ,  クラスタ ,  コンテンツ ,  クラスタ化 ,  データベース ,  類似性 ,  ベンチマーク ,  意味論 ,  電子商取引 ,  *オントロジー ,  フィルタリング
準シソーラス用語： モデルベース ,  スパース性 ,  協調フィルタリング ,  推奨システム , 【Automatic Indexing@JST】

著者キーワード (6件)： 推薦システム ,  オントロジー ,  メモリベース ,  モデル ,  クラスタリング ,  k-NN

分類 (2件)： その他の情報処理  (JE15050M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： オントロジー ,  性能改善