文献

J-GLOBAL ID：201902222016268468   整理番号：19A0568321

社会化アノテーションシステムにおける個人化情報推薦の多次元融合と最適化モデル研究【JST・京大機械翻訳】

Research on the Multi-dimensional Fusion and Optimization Model of Personalized Information Recommendation in Social Tagging System

著者 (3件)： Wu Huijuan (東北電力大学経済管理学院,吉林 吉林,132012) ,  Sun Hongfei (東北電力大学経済管理学院,吉林 吉林132012;吉林大学管理学院,吉林 長春130022) ,  Jin Yongchang (東北電力大学経済管理学院,吉林 吉林,132012)
資料名： Xiandai Qingbao  (Xiandai Qingbao)
巻： 39  号： 1  ページ： 37-42,85  発行年： 2019年 
JST資料番号： C3845A  ISSN： 1008-0821  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： [目的/意義]社会化注釈システムの自己組織化運行に基づいて、個性化情報推薦の多次元融合と最適化モデルを構築し、さらに、大データ環境で、ユーザーに精確な個性化情報推薦サービスを提供する。さらに,個人化情報推薦の理論体系を豊かにし,個性化情報推薦の研究方法を広げる。[方法/プロセス]まず第一に,個人化された情報推薦法の利点と不足を深く分析する。次に,グラフ理論(社会的ネットワーク関係),協力的フィルタリング,およびコンテンツベース(主題)に基づく3つの個人化情報推薦方式を用いて,マルチ次元深さ融合を行い,個性化情報推薦マルチ次元融合モデルを構築した。最後に,個人化情報推薦のマルチ次元融合モデルを最適化して,個人化推奨プロセスにおけるユーザ「コールドスタート」,データスパース性,およびユーザ嗜好性ドリフトなどの問題を解決した。[結果と結論]既存のグラフ理論(社会ネットワーク関係),協調フィルタリングおよび内容(主題)に基づく個別化情報推薦方法のそれぞれの貢献と不足を総合的に考慮することにより,3つの方法間の多次元深さ融合を実現し,心理的認知,ユーザ状況および時間,および時間を含む。空間などの最適化因子によって、最終的に社会化マーキングシステムにおける個性化情報推薦マルチ次元融合と最適化モデルを構築する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ドリフト ,  フィルタリング ,  *モデル ,  *アノテーション ,  *最適化 ,  嗜好性 ,  自己組織化 ,  グラフ理論 ,  *高次元
準シソーラス用語： 心理 ,  協調フィルタリング ,  スパース性 ,  社会的ネットワーク ,  最適化モデル ,  *情報推薦 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 社会 ,  アノテーション ,  個人化 ,  情報推薦 ,  多次元 ,  融合 ,  最適化モデル ,  研究