文献

J-GLOBAL ID：201802274464623959   整理番号：18A1031022

weibo Comicユーザのための個人化推薦【JST・京大機械翻訳】

Personalized recommendation for Weibo comic users

著者 (6件)： Sun Yan (School of Electronic Engineering and Computer Science, Queen Mary University of London, London, UK) ,  Lv Haoran (School of Electronic Engineering and Computer Science, Queen Mary University of London, London, UK) ,  Liu Xu (State Key Lab of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Xu Peng (State Key Lab of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China) ,  Huang Yun (Gookee Beijing Information Technology Co. Ltd, Beijing, China) ,  Sun Yuqian (Gookee Beijing Information Technology Co. Ltd, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： WTS 2018  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： 情報圧倒問題を扱うコスト有効な解決策の一つとして,アマゾン,eBay,ASOsなどの多くのインターネット電子商取引プラットフォームが採用されており,大きなデータが含まれている場合には,古典的な推薦アルゴリズムの一つとして,高い計算消費と行列の複雑さが大きく問題となっている。一方,ニューラルネットワークアーキテクチャに基づく深い学習技術は,特にスパース入力により,回帰と分類問題を解決する代替解として優れた性能を発揮する。さらに,深い学習は,協調フィルタリング(CF)アプローチに基づく推薦アルゴリズムにおける避けられない欠陥であるある程度まで,コールドスタート問題を緩和する。本論文では,Restricted BoltzmannマシンとWeibo Userのための人工ニューラルネットワークを利用した,深い学習ネットワーク構造を提案した。提案した構造を訓練して,VComicによって提供された実際のデータセットを通してテストして,それはオンラインのコックブックプロバイダであり,中国の最大のソーシャルネットワーク-Weibo.com.によって情報を共有した。オフライン実験は,提案したシステムが精度と範囲の計量においてユーザベースの協調フィルタリングアルゴリズムより優れていることを示した。具体的には,提案した機構は,システムの複雑さを劇的に低減するだけでなく,精度保証の前提の下で長いテールをマイニングする能力を実証した。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】

シソーラス用語： フィルタリング ,  電子商取引 ,  透視図法 ,  ニューラルネットワーク ,  中華人民共和国 ,  アルゴリズム ,  ネットワーク構造 ,  インターネット ,  *学習
準シソーラス用語： オフライン ,  社会的ネットワーク ,  オンライン ,  協調フィルタリング ,  ニューラルネットワークアーキテクチャ ,  推薦アルゴリズム ,  *個人化推薦 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (1件)： 個人化推薦