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。
推薦システムは,ユーザの嗜好と利用者の購入に向けての指導の予測を提供した。広く使用されている協調フィルタリング手法としての確率的行列因数分解(PMF)は,今までのところ,一般的に個人化レコメンデーションのための優れた性能を示した。それにもかかわらず,データスパース性問題に悩まされている。本論文では,行列因数分解と相関ルールマイニングを組み合わせた新しい推薦アルゴリズムCR IIAを提示した。著者らの方法は,相関ルールマイニングによって与えられた項目間の潜在的相関を測定するためにItemCorrelation採用した。ItemCorrelations項目の特徴ベクトルを最適化するためにPMFモデルに統合した。ItemCorrelationsの要因を評価予測がより正確で現実的になる。社会的信頼モデルと文脈ベースモデルと比較して,提案アプローチでは,追加情報によるデータスパース性問題を悪化させることなしに評価予測の精度を改善した。さらに,提案フレームワークではまた,同時に考慮されるべき,追加次元を可能にし,これは行列因数分解に基づくパーソナル化されたレコメンデーションのその後の研究に有益であった。実世界データセットMovieLensで実験を行い,結果は,このモデルがアイテムオリエンテッドなアプローチよりも優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】