文献

J-GLOBAL ID：201702284993214462   整理番号：17A1262669

ユビキタスデータを利用した動的トピックモデルと行列因数分解に基づく旅行レコメンデーション手法【Powered by NICT】

A Dynamic Topic Model and Matrix Factorization-Based Travel Recommendation Method Exploiting Ubiquitous Data

著者 (4件)： Xu Zhenxing (College of Computer Science, Zhejiang University, Hangzhou, China) ,  Chen Ling (College of Computer Science, Zhejiang University, Hangzhou, China) ,  Dai Yimeng (School of Computing and Information System, Melbourne University, Melbourne, VIC, Australia) ,  Chen Gencai (College of Computer Science, Zhejiang University, Hangzhou, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 19  号： 8  ページ： 1933-1945  発行年： 2017年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  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： Web上で利用可能なコミュニティに貢献するジオタグ写真(CCGPs)の大体積は移動位置の推薦を行うのに利用できる。ユーザ位置相互作用のスパース性は,旅行嗜好を学習を困難にしている,ユーザは通常限られた数の移動位置のみを訪れるためである。静的トピックモデルは利用者の話題を考慮することにより,スパース性問題を解決するために用いることができる。しかし,ユーザの全ての旅行履歴は静的注目されてから引き出された一つの文書と考えられ,話題と旅行選択の進化を無視することになる。本論文では,動的トピックモデル(DTM)とマトリックス因数分解(MF)ベース旅行推薦手法を提案した。DTMを用いてユーザと位置の時間的に細粒トピック分布(すなわち,陰的話題情報)を得た。さらに,CCGPs,チェックins,関心カテゴリーの点データセットのメタデータと映像コンテンツから抽出される大量の明白な情報。情報は,ユーザ-ユーザと位置-位置類似性情報,制約MFに二正則化項として課されるを得るために用いた。提案した方法は,公的に利用可能なFlickrデータセット上で評価した。実験結果は,提案した方法が他の最新の走行位置レコメンデーションの研究と比較して有意に優れたレコメンデーションを生成できることを実証した。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： 正則化 ,  Web【情報システム】 ,  メタデータ ,  コミュニティ ,  走行 ,  相互作用 ,  類似性 ,  *旅行
準シソーラス用語： フリッカー ,  映像コンテンツ ,  スパース性 ,  *行列因数分解 ,  *トピックモデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ユビキタス ,  トピックモデル ,  行列因数分解 ,  旅行 ,  レコメンデーション ,  手法