文献

J-GLOBAL ID：201802239275064030   整理番号：18A0157250

効率的,効果的な協調フィルタリングのための近傍モデルにおけるk-最近傍の同定について【Powered by NICT】

On identifying k-nearest neighbors in neighborhood models for efficient and effective collaborative filtering

著者 (4件)： Chae Dong-Kyu (Department of Computer and Software, Hanyang University, 17 Haengdang-dong, Seongdong-gu, Seoul 133-791, South Korea) ,  Lee Sang-Chul (Department of Electronics and Computer Engineering, Hanyang University, 17 Haengdang-dong, Seongdong-gu, Seoul 133-791, South Korea) ,  Lee Si-Yong (Department of Electronics and Computer Engineering, Hanyang University, 17 Haengdang-dong, Seongdong-gu, Seoul 133-791, South Korea) ,  Kim Sang-Wook (Department of Computer and Software, Hanyang University, 17 Haengdang-dong, Seongdong-gu, Seoul 133-791, South Korea)
資料名： Neurocomputing  (Neurocomputing)
巻： 278  ページ： 134-143  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  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： 近傍モデル(NBMs)は推薦システムにおける協調フィルタリングのための広く使用されている方法である。目標ユーザと目標項目を考えると,NBMsはk個の最も類似したユーザや項目(すなわち,k最近傍)を見出し,項目に近隣の定格パターンに基づく項目について目標ユーザの予測を行った。NBMsでは,しかしながら,性能と精度の両方を満たすのに困難である。正確な勧告を追求するために,NBMsは最新の評価,膨大な計算時間を必要とすることを利用する各推奨要求でk-最近傍を見出すであろう。NBMsはオフラインk-最近傍,時間の経過としては,不正確な勧告をもたらすを探すかも知れない,あるいは新しいユーザや新しい項目を処理できない,k-最近傍を決定した後,生成した最新評価を利用できないためである。本論文では,類似性を計算するに必要なこのようなユーザと項目のみを同定することにより効率的にk-最近傍を見出す新しいアプローチを提案した。提案されたアプローチは,オフライン類似性計算を必要とするが,最新の評価を利用しないNBMsを可能にし,それによって速度-精度トレードオフを解決することに成功した。は,広範囲な実験を通して提案アプローチの有効性を示した。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： 類似性 ,  *モデル ,  CPU時間 ,  *フィルタリング
準シソーラス用語： オフライン ,  推奨システム ,  *近傍 ,  *協調フィルタリング , 【Automatic Indexing@JST】

著者キーワード (3件)： 推薦システム ,  協調フィルタリング ,  効率

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 協調フィルタリング ,  近傍 ,  モデル ,  同定