文献

J-GLOBAL ID：201802212466773029   整理番号：18A0069884

線形代数と機械学習アルゴリズムを用いたデータスパース性問題の調整【Powered by NICT】

Adjusting data sparsity problem using linear algebra and machine learning algorithm

著者 (3件)： Nasiri Mahdi (Shiraz University of Medical Science, Health Human Resources Research Center, School of Management & Information Sciences, Iran) ,  Minaei Behrouz (Iran University of Science and Technology, Iran) ,  Sharifi Zeinab (Iran University of Science and Technology, Iran)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 61  ページ： 1153-1159  発行年： 2017年 
JST資料番号： W2175A  ISSN： 1568-4946  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： データスパース性は,各ユーザが項目の小集合を速度データのみで最も重要な課題の一つである。この問題はデータの次元の増加と共に重要である。はこの問題を解くための線形代数と機械学習に基づく手法を提案した。類似グループ同時ににおけるユーザと項目をクラスタ化するためのフレームワークを適用した。この方法は各クラスタ内の類似評価に基づいた欠損データのための適切な値をimputes。これは関心のユーザの類似性のために,各クラスタのより正確なプロセスの結果の利点とスパース性負の影響の低減を目指している。このアプローチは,ユーザ,項目と時間の三次元形状データに表現した。MovieLenseデータセット上での実験結果は,方法は,データスパース性を克服するのに役立つ,予測の精度を増加させることができることを示した。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： クラスタ ,  類似性 ,  *機械学習 ,  クラスタ化 ,  *学習アルゴリズム ,  *線形代数
準シソーラス用語： 三次元形状 ,  欠測値 ,  *スパース性 , 【Automatic Indexing@JST】

著者キーワード (4件)： データスパース性 ,  スペクトル共クラスタリング ,  テンソル因数分解 ,  協調フィルタリング

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 線形代数 ,  機械学習 ,  アルゴリズム ,  スパース性 ,  問題