文献

J-GLOBAL ID：201802248559583119   整理番号：18A1770221

グループ多役割割当によるM2M推薦問題の解法【JST・京大機械翻訳】

Solving the M2M Recommendation Problem via Group Multi-Role Assignment

著者 (5件)： Luo Pei (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Zhu Haibin (Department of Computer Science and Mathematics, Nipissing University, North Bay, Canada) ,  Liu Dongning (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Huang Baoying (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China) ,  Hou Yan (School of Computer Science and Technology, Guangdong University of Technology, Guangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CSCWD  ページ： 606-611  発行年： 2018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： 多くの(M2M)勧告は,商業における基本的で重要な問題の1つである。このアイデアに関して,利益,顧客,および製品は分離できない。従来のTop-N法はM2M推薦問題を処理できない。そこで本論文では,グループ多重役割割当(GMRA)を介した多くの割当問題に対するM2M勧告を扱った。Roleベースの協力(RBC)とそのE-CARGOモデルの簡潔な形式化に基づいて,(拡張整数線形計画法)x-ILP計画法と改良gre欲Top-Nアルゴリズムを用いた成功したアプローチを提案した。これらの方法をシミュレーション実験により検証した。それらの結果は両方の解の実用性を示した。比較として,グリーディTop-N法はPythonのパルプ線形計画パッケージによるx-ILP計画法より速い。一方,後者は推薦精度において前者より優れている。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： *アルゴリズム ,  シミュレーション ,  線形計画法 ,  整数線形計画法 ,  パルプ ,  割当問題 ,  多重化
準シソーラス用語： 実用性 ,  Python ,  *M2M , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： グループ ,  役割 ,  割当 ,  M2M ,  推薦 ,  問題 ,  解法