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。
今日,ユーザへの高品質推薦サービスを提供することは,ショッピング,友人,ヘルスケアなどを含むオンラインWebアプリケーションにおける必須要素であり,いくつかの最近の研究において,1クラス協調フィルタリングの推薦問題が提案され,より多くの注意を受けている。このアプローチは,「1クラス」フィードバック形式を用いて,推薦性能を改善する,例えば,ショッピングサービスにおける「購買」,ビデオWebサイトにおける「監視」,およびオンライン健康コミュニティにおける「指定」を改善するために,ユーザの行動を利用することができる。これまでの研究では,1つのアイテムに対するポイント選択の仮定,2つのアイテム集合上の相対スコアに基づくアイテムまたはアイテム集合に関する問題を解決し,Bayes個人化ランキング(BPR)と呼ばれる1つの以前の研究は,そのような1クラスデータをうまく活用することにより,経験的により良く実行されることを経験的に見出した。それにもかかわらず,アイテムまたはアイテム集合に関するそのような対選好仮定は常に無効である。本論文では,単純なアイテム集合の代わりに異なるタイプを持つ2つのアイテム集合に対する選好を定義することにより,混合型アイテム集合上のペアワイズ選好の改善された仮定を提示した。一つは,同一型フィードバック関係を持つアイテム集合である。もう一つは混合型アイテム集合である。この改良された仮定により,次に,新しいアルゴリズム,MT-BPR(混合型アイテム集合上のBayes超音波化ランク付け)を開発した。実世界におけるヘルスケアWebサイトとモバイル電子商取引アプリケーションから収集された2つのデータセットに基づく経験的結果は,MT-BPRがランキング予測におけるいくつかの以前の方法より優れていることを実証した。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】