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。
日常生活へのインターネットの出現により,Facebook及びTwitterのようなオンラインソーシャルネットワークは,ネットワーク,情報展開と娯楽に主要な役割を取り上げた。2017年現在,Twitterのアウトリーチは毎日320m以上ツイートを生成する,この時代の最速情報展開媒体の一つである317mの月アクティブユーザである。ユーザへの情報の供給過剰を引き起こすことなくデータ分布を支援するため,著者らはソーシャルメディアの重要なアスペクトに焦点を当てた推薦システム ユーザ間の関係,利用者の一般的な問題に対処する-追跡への正しい説明とユーザを選択することにより追跡/befriend,情報源は自由に制御できるを開発した。ユーザの最も最近のツイートから収集した情報を用いて,最近のツイートは類似した情報を含む他のユーザを見つけることである,ユーザ間の少なくとも1つの相互友人である確保。ソーシャルネットワークデータの連続実時間更新を利用して,確率的学習モデルのための訓練集合の大きさを削減しながら,筆者らのトレーニングセット分類のための関連情報を保証し,精度を保存する方法を開発した。共通話題,すなわち名詞句検出器とナイーブBayesテキスト(トピック)分類器のツイートを検出し,さらにそれらの複雑性と精度を比較するための二アルゴリズム用いた。,確率論的であるにもかかわらず,ナイーブBayes分類器は相対的に小さな訓練セットに対して良く機能した。リアルタイム更新フレームワークであるので,これはTwitterを除いてのみである。厳密な一致は,名詞句検出器を得ることは困難であった,限られた計算に起因するただ一つのレベル深い予定である。しかし,一致が発見された時,90%まで正確であった。ランダム公共ユーザのツイートの実験は小さいが最近の訓練データセットを用いて,Naive Bayes分類器は,または協調モデルの仮定を行わない協調的なフィルタよりよく働くことを見出した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】