文献

J-GLOBAL ID：201802218654393293   整理番号：18A0726760

行列因子分解に基づく推薦を多様化するための学習【JST・京大機械翻訳】

Learning to Diversify Recommendations Based on Matrix Factorization

著者 (5件)： Li Shuang ,  Zhou Yuezhi ,  Zhang Di ,  Zhang Yaoxue ,  Lan Xiang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 68-74  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 関連性の他に,推薦結果の多様性も,ユーザとコンテンツプロバイダの両方にとって重要な要求事項である。本論文において,著者らは,多様化されたトップ-N推薦のためにアイテムの因子化されたカテゴリー特徴を利用する新しいランキングモデルを提案した。統一関数における関連性と多様性を組み合わせるために,ユーザとアイテム特徴ベクトルの積としてスコア式を定義し,ユーザとカテゴリ特徴ベクトルの積を割引し,それらはそれぞれ関連性と多様性における寄与に対応する。さらに,最良の推薦リストを得るために,新しく定義されたペアごとの損失関数によって,訓練データセットにおける近似的な最適ランキングシーケンスからこれらの特徴ベクトルを学習する。パラメータを確率的勾配降下を用いて最終的に解いた。公開データセットに関する実験結果は,著者らのアプローチの有効性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *多様化 ,  近似法 ,  損失関数
準シソーラス用語： 訓練データ ,  スコア ,  特徴ベクトル , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  市場調査,広告  (KA06030H)

タイトルに関連する用語 (4件)： 行列 ,  因子分解 ,  推薦 ,  学習