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。
非線形属性モデリングによる線形モデルを,スパース入力による大規模回帰および分類タスクに対して,一般的に選択した。交差生成物属性変換の広いバッチを通しての属性相互作用の記憶は説得力があり説明できるが,一般化は余分な特徴工学的運動を必要とする。限られた努力で,深いニューラルネットワーク(DNN)は,発見されていない特徴シーケンスに例外的に一般化できる。しかし,DNNは,より少ない適切な項目を過剰に一般化し,推奨することができる。本論文では,推薦システム(RS)に対する記憶化と一般化の利点を混合するために,様々な集約的に訓練された線形モデルとDNNsの集合を提案した。著者らは,943人のユーザから1682人の映画に関する10万の評価を有する安定なベンチマークデータセットであるMovieLens 100Kデータセットに関するシステムを評価した。著者らの実験結果は,共同フィルタリング技術,深いだけおよび広いモデルと比較して,広いおよび深いモデルの集合が推薦精度を有意に増加させ,平均絶対誤差(MAE)および二乗平均誤差(RMSE)を減少させることを示した。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】
