抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
推薦システムは,情報選択の大容量からの個人選好のための正確で陽性項目やサービスをユーザに提供する重要な役割を果たしている。協調フィルタリング(CF)は推薦システムの不可欠な技術と電子商取引,社会的媒体とレビュー部位のような多くの分野で広く適用されている。しかし,CFはコールドスタートユーザ,コールドスタート項目とデータスパース性である三つの問題に悩まされている。これらの問題は,推薦性能を劣化させる。これらの問題に対処するために,著者らはTrustTR,信頼関係と項目評価に基づく新しいメモリベース推奨モデルを提案した。TrustTRは推薦性能を改善するために信頼できる友人の勧告,評判,ユーザ履歴評価を統合したものである。特に,不十分な項目評価を供給する信頼関係と定格情報に基づくユーザ評判を計算した。TrustTRはデータスパース性問題を緩和し,コールドスタートユーザのための推奨の品質を改善することができる。に加えて,コールドスタートの問題を緩和するために推奨因子の一つとして評判項目を利用した。最後に,実世界データセットからの実験結果は,この方法が他の五つの対応する推奨モデルと比較して良好な予測精度を生成できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】