文献

J-GLOBAL ID：201802212395361037   整理番号：18A1435010

ユーザの項目属性選好に対する特異値分解推薦アルゴリズム【JST・京大機械翻訳】

Singular Value Decomposition Recommendation Algorithm Considering User’s Preference for Item Attributes

著者 (4件)： Wei Gangming (北京交通大学計算机与信息技術学院,100044,北京) ,  Liu Zhen (北京交通大学計算机与信息技術学院,100044,北京) ,  Li Linfeng (北京交通大学計算机与信息技術学院,100044,北京) ,  Zhang Meng (北京交通大学計算机与信息技術学院,100044,北京)
資料名： Xi’an Jiaotong Daxue Xuebao  (Xi'an Jiaotong Daxue Xuebao)
巻： 52  号： 5  ページ： 101-107  発行年： 2018年 
JST資料番号： W0363A  ISSN： 0253-987X  CODEN： HCTPDW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在のマトリックス分解推薦アルゴリズムはプロジェクトのコールドスタート問題の解決において、プロジェクトの属性選好情報とユーザーの採点行為の相互作用情報を十分に利用していない。そこで、ユーザーが項目属性の選好に加入する特異値分解推薦(UC-SVD)アルゴリズムを提案した。このアルゴリズムは,項目属性とユーザの項目のスコアを総合的に考慮し,行列分解アルゴリズムに項目の属性情報を加えるだけでなく,評価データセットと属性データセットの総合的解析も行う。項目属性の選好行列を,利用者の属性特性因子と利用者の項目属性の選好特性因子とマトリックス分解に組み込んだ。データセットのMovielensとHetRec2011での実験結果は,古典的マトリックス分解協調フィルタリングアルゴリズムのものと比較する。提案アルゴリズムは,プロジェクトのコールドスタート問題をある程度解決し,そして,平均二乗平均誤差は,同等の条件下で,3.5%減少し,そして,平均絶対誤差は,3%減少した。特に,より希薄なHetRec2011データセットにおいて,アイテム属性はユーザスコア挙動に明らかに影響し,改良アルゴリズムは推薦精度において大きな優位性を示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *アルゴリズム ,  特異値分解
準シソーラス用語： 協調フィルタリング ,  行列分解 ,  スコア ,  推薦アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： cold start ,  singular value decomposition ,  matrix factorization ,  item attribute

分類 (4件)： システム・制御理論一般  (IA02010H) ,  数値計算  (JE02000J) ,  データ保護  (JD01020V) ,  変復調方式  (ND07020P)

タイトルに関連する用語 (4件)： 属性 ,  選好 ,  特異値分解 ,  推薦アルゴリズム