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。
筆者らは,推薦システムのための協調フィルタリング(CF)への応用により,マトリックス完成(MC)のためのオートエンコーダ(AEs)を考察した。与えられたスパースユーザアイテム評価行列に対して,Mと呼ばれるように,AEは行列因数分解を実行し,回復行列はユーザとアイテム特徴行列の積として表現されることを観測した。このようなAEは,ユーザとアイテム特徴行列を逐次的に推定する。すなわち,入力ベクトルとしてMの柱を用いるアイテムベースAE(i-ae)に対して,AE符号器は最初にアイテム特徴行列を推定し,次に復号器は符号器の出力に基づいてユーザ特徴行列を推定する。同様に,入力ベクトルとしてM~Tのカラムを用いるユーザベースAE(U-AE)は,最初にユーザ特徴行列を推定し,次にアイテム特徴行列を推定する。この逐次推定は,復号器が符号器の出力に依存するので,MC/CFの性能を劣化させることができる。MC/CF性能を強化するために,i-aeとU-AEの両方を採用し,それらを交互に使用する並列アルゴリズムである交互AEs(AAEs)を提案した。AAEを合成,MovieLens100kおよび1Mデータセットに適用した。結果は,AAEがすべての既存のMC/CF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】