文献

J-GLOBAL ID：201802282426127487   整理番号：18A2106472

コールドスタート推奨のための動的クロスOSN関係の理解【JST・京大機械翻訳】

Understanding Dynamic Cross-OSN Associations for Cold-Start Recommendation

著者 (3件)： Sang Jitao (School of Computer and Information Technology and the Beijing Key Laboratory of Traffic Data Analysis and Mining, Beijing Jiaotong University, Beijing, China) ,  Yan Ming (Alibaba, Hangzhou, China) ,  Xu Changsheng (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 20  号： 12  ページ： 3439-3451  発行年： 2018年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
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： オンラインソーシャルネットワーク(OSN)は,人々の日常生活の不可欠な部分になっており,ユーザの数の増加は,現在,異なるソーシャルメディアサービスのために,複数のOSNを同時に使用している。その結果,ユーザの関心と好みは通常,異なるOSNに分布する。多くの既存の研究は,主に分散ユーザ挙動または特徴を直接的に集約するが,最近,集団的ユーザ行動からの交差OSN関連を理解することに焦点を絞っている。本論文では,ユーザ挙動の動的特性を考慮し,動的クロスOSN連想マイニングフレームワークを提案した。このフレームワークにおいて,動的ユーザモデリングを最初に行い,各OSNにおけるユーザ興味のドリフトを捉えた。次に,セッションベースの因数分解法を提案し,動的方法における交差OSN相関を確立する。これは,データ到着の新しいセッションを各時間ごとに増加させることにより,増加的に更新することによっている。誘導された動的関連に基づいて,著者らは,Twitterにおけるユーザの挙動を利用するだけで,最終的にコールドスタートYouTubeビデオ推薦アプリケーションを設計する。TwitterとYouTubeからの実世界のユーザデータを用いて実験を行った。これらの結果は,異なるOSN間の基礎となる関連を捕捉し,優れたコールドスタート推薦性能を達成することにおいて,この提案フレームワークの有効性を実証した。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： 応用プログラム ,  録画装置 ,  *因数分解
準シソーラス用語： ユーチューブ ,  ユーザモデリング ,  ユーザ行動 ,  ソーシャルメディア ,  日常生活 ,  オンラインソーシャルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： テレビジョン応用  (ND12034M) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： スタート ,  推奨 ,  OSN ,  理解