文献

J-GLOBAL ID：201902220214059687   整理番号：19A2270187

歴史的相互作用による計量ベース推薦の改善【JST・京大機械翻訳】

Improved Metric-Based Recommender by Historical Interactions

著者 (4件)： Jiang Yubo (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, China) ,  Zhu Yunfang (College of Computer Science and Information Engineering, Zhejiang Gongshang University, Hangzhou, China) ,  Du Xin (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, China) ,  Jin Tao (College of Information Science and Electronic Engineering, Zhejiang University, Hangzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 125969-125975  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 特にディジタルマーケティングにおいて,計量学習に基づく方法を用いることにより,推奨における顕著な成功が達成された。しかし,既存の方法は,ユーザのようなアイテム間の相対的選好を考慮しない。この問題を克服するために,改良推薦モデルを提案した。最初に,モデルは,歴史的相互作用からユーザアイテム二部グラフを分析し,このグラフからトポロジー的特徴に基づいてユーザアイテム類似性を収集する。次に,他の計量ベースの方法と同様に,ユーザとアイテムの両方を低次元空間における潜在的位置として埋め込んだ。そこでは,アイテムに関するユーザの選好を距離としてモデル化した。そこで,著者らは,(1)目標ユーザとアイテム間の距離がトポロジー的類似性によって決定され,(2)ターゲットユーザに対して,非相互作用アイテムが相互作用されるよりも遠い位置にあるという仮定の下で,改善された計量ベースの推薦者を提案する。3つの実用的データセットに関する包括的実験を実施した。経験的結果は,著者らの改良推薦者が,ユーザの暗黙フィードバックに基づく個人化勧告を作るとき,現在の最先端の方法より優れていることを示した。Copyright 2019 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： マーケティング ,  ディジタル方式 ,  位相幾何学 ,  モデリング ,  *相互作用 ,  学習 ,  フィードバック ,  類似性
準シソーラス用語： 個性化 ,  低次元 ,  二部グラフ , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 歴史 ,  相互作用 ,  計量 ,  推薦