文献

J-GLOBAL ID：201802219979199405   整理番号：18A0655727

大データ環境における確率行列分解に基づく個別化推薦【JST・京大機械翻訳】

Personalized Recommendation Based on Probabilistic Matrix Factorization in Big Data Environment

著者 (2件)： Tian Xianzhong (浙江工業大学計算机科学与技術学院 杭州310023) ,  Chen Jie (浙江工業大学計算机科学与技術学院 杭州310023)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 44  号： z1  ページ： 438-441,469  発行年： 2017年 
JST資料番号： C2530A  ISSN： 1002-137X  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： 確率行列分解は近年広く応用されている協調フィルタリング推薦方法である。マトリックス分解技術を用いて,推薦品質を改善し,大規模データ環境における計算時間を計算し,資源ボトルネックを計算する方法を研究した。Improved Probabilistic Matrix Factorization(IPMF)を近隣情報に組み込む確率行列分解アルゴリズムを提案した。さらに,parallel-IPMF(p-IPMF)アルゴリズムを提案して,隣接情報を計算することによって,高い計算複雑性と並列化が難しいという問題を解決した。MapReduce並列計算フレームワークにおいて,p-IPMFアルゴリズムを実用化して,本当のデータセットに関して検証した。実験結果により,提案したアルゴリズムが推薦品質を効果的に改善し,計算時間を短縮できることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： CPU時間 ,  並列演算 ,  計算量 ,  品質 ,  *確率行列 ,  アルゴリズム
準シソーラス用語： MapReduce ,  大規模データ ,  協調フィルタリング , 【Automatic Indexing@JST】

著者キーワード (4件)： Recommendation algorithm ,  Probabilistic matrix factorization ,  Big data ,  MapReduce

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 環境 ,  確率行列 ,  分解 ,  推薦