文献

J-GLOBAL ID：201802271513073524   整理番号：18A0196186

ドメイン特異的階層的部分グラフ抽出:推奨使用例【Powered by NICT】

Domain-specific hierarchical subgraph extraction: A recommendation use case

著者 (4件)： Lalithsena Sarasi (Kno.e.sis Center, Wright State University, Dayton, OH, USA) ,  Perera Sujan (IBM Almaden Research Center, San Jose, CA, USA) ,  Kapanipathi Pavan (IBM Research AI, Yorktown, NY, USA) ,  Sheth Amit (Kno.e.sis Center, Wright State University, Dayton, OH, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 666-675  発行年： 2017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： 階層関係を知識グラフにおける重要な役割を果たす。特に,DBpediaのような大きなと良く知られた知識グラフは,他のタイプの関係と比較して,階層関係で表現された事実のかなりの数を含んでいる。これらの階層関係は個人化,質問応答,およびレコメンデーションシステムのようなアプリケーションにより利用されている。しかし,階層関係を持つ多数の事実の存在は応用は計算的に集約的にしている。さらに,アプリケーションはドメイン特異的であることができ,利用可能なすべての階層的事実必要としないが,ドメインに特異的なもののみを必要とする。本論文では,階層におけるカテゴリーの領域固有性を同定することにより大規模知識グラフからドメイン固有階層的部分グラフを抽出する方法を提案した。領域が与えられたとき,カテゴリーの領域固有性は,確率的フレームワークを用いた証拠の異なるタイプを組み合わせることにより決定した。映画と図書ドメインの推奨ユースケースを用いて提案アプローチの有効性を示した。著者らの評価は,この手法により抽出された領域特異的階層的部分グラフは推薦の精度を損なうことなくベースライン部分グラフを40%から50%にできることを示した。さらに,提示した手法は教師つき学習を用いた最新のドメイン特異的部分グラフ抽出技術で得られたレコメンデーション結果よりも優れていた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *部分グラフ ,  応用プログラム ,  教師つき学習 ,  集中化 ,  基準線 ,  *グラフ
準シソーラス用語： ユースケース ,  推奨システム , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ドメイン ,  部分グラフ ,  推奨