文献

J-GLOBAL ID：201802265972564008   整理番号：18A1257195

推薦システムを用いたオンラインキャンパスにおける学生のパフォーマンスを予測する際の潜在的要因の選択【JST・京大機械翻訳】

Selecting latent factors when predicting student performance in online campus by using recommender systems

著者 (4件)： Duran-Dominguez Arturo (Department of Technologies of Computers and Communications, University of Extremadura, Ca ́ceres, Spain) ,  Gomez-Pulido Juan A. (Department of Technologies of Computers and Communications, University of Extremadura, Ca ́ceres, Spain) ,  Rodriguez-Lozano David (Department of Technologies of Computers and Communications, University of Extremadura, Ca ́ceres, Spain) ,  Pajuelo-Holguera Francisco (Department of Technologies of Computers and Communications, University of Extremadura, Ca ́ceres, Spain)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CISTI  ページ： 1-6  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： 推薦システムは機械学習における協調フィルタリングの一般的な方法である。それらは,例えば予測目的のための多くの応用に適用される。例えば,予測学生性能問題である。この問題において,著者らは,いくつかの学術的タスク(運動,試験,検査)のスコアが,学術的コースにおける特別な主題を考慮して,対応する学生に対して保存されるデータベースから始める。特定の学生に対するいくつかのスコアは未知である可能性があるので,残りのタスクにおける彼の行動とこれらの未知のタスクに対する他の学生の行動を考慮して,それらを予測することができる。予測は行列因数分解によって実行される。そこでは,誤差(Root平均二乗誤差)はGradient Descentアルゴリズムによって最小化される。それにもかかわらず,2つの問題が生じる:アルゴリズムの主要パラメータ(学習速度と正則化因子)のための最良の選択と潜在的因子の数のための最良の選択。本研究では,潜在的因子の各数に対する計算が,学習速度と正則化因子の最適値を同時に選択するメタヒューリスティックにより駆動される潜在的因子の最適値の直接探索を提案した。この方法を用いて,類似データベースに対するさらなる予測に適用される潜在的因子の最良数を決定することができる。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 ,  *予測 ,  フィルタリング ,  正則化 ,  データベース ,  機械学習
準シソーラス用語： 直接探索 ,  最適値 ,  学習速度 ,  平均二乗誤差 ,  行列因数分解 ,  スコア ,  協調フィルタリング ,  *推奨システム , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 推薦システム ,  オンライン ,  キャンパス ,  学生 ,  パフォーマンス ,  予測 ,  要因