文献

J-GLOBAL ID：201802272385444732   整理番号：18A0196195

レコメンダーシステムにおける再開を用いた行列因数分解と酔歩の比較研究【Powered by NICT】

A comparative study of matrix factorization and random walk with restart in recommender systems

著者 (3件)： Park Haekyu (Computer Science and Engineering, Seoul National University, Seoul, Republic of Korea) ,  Jung Jinhong (Computer Science and Engineering, Seoul National University, Seoul, Republic of Korea) ,  Kang U. (Computer Science and Engineering, Seoul National University, Seoul, Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 756-765  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： 行列因数分解あるいはランダムウォーク再開(RWR),レコメンダーシステムのための良く機能する,方法間のどの方法は明示的あるいは暗黙的フィードバックデータを扱う優れた追加は情報は利用者に新たな項目を推薦する推薦推薦システムは,アマゾンとNetflixのような多くのe-コマースサービスにおいて重要な役割を果たすのを助ける。種々の推奨戦略の中で,協調フィルタリングは,ユーザの評価パターンを用いて良好な性能を示した。マトリックス因数分解とランダムウォーク再開は最も代表的な協調フィルタリング法である。しかし,それらの広範な利用にもかかわらず,より良い推薦性能を提供する方法は不明である。本論文では,レコメンダーシステムにおける行列因数分解とRWRの比較研究を行った。勧告における種々のタスクに応じて二つの方法の各対応を定式化した。特に,新たにバイアスを用いてマトリックス因数分解法に対応する大域的バイアス項を用いたRWR法を考案した。はこれらの方法が協調フィルタリングの中に起こる典型的コールドスタート問題を取り扱うかなどレコメンデーション品質の様々な側面における二つの方法の詳細を述べた。広く様々な測度の意味で各方法の性能を評価するために,実世界データセット上での実験を行った。行列因数分解は明示的なフィードバック評価と優れた性能がRWRである陰的結果と優れていることを観測した。も項目の大域的popularitiesを利用した性能に有利であり,側路情報を明示的なフィードバックと正の相乗効果を生成するが,陰的一と負の影響を与えることを観察した。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： 相乗作用 ,  フィードバック ,  バイアス ,  品質 ,  定式化 ,  フィルタリング ,  測度 ,  *酔歩
準シソーラス用語： 協調フィルタリング ,  推奨システム ,  暗黙的フィードバック ,  *行列因数分解 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： 行列因数分解 ,  酔歩 ,  研究