文献

J-GLOBAL ID：201902248203384853   整理番号：19A2574277

予測のためのロバスト加重SVD型潜在因子モデル【JST・京大機械翻訳】

Robust weighted SVD-type latent factor models for rating prediction

著者 (5件)： Gu Yiqi (Department of Mathematics, Purdue University, 150 N. University Street, West Lafayette, IN 47907, USA) ,  Yang Xi (Department of Mathematics, Purdue University, 150 N. University Street, West Lafayette, IN 47907, USA) ,  Peng Mengjiao (Department of Statistics, Purdue University, 250 N. University Street, West Lafayette, IN 47907, USA) ,  Lin Guang (Department of Mathematics, Purdue University, 150 N. University Street, West Lafayette, IN 47907, USA) ,  Lin Guang (School of Mechanical Engineering, Purdue University, West Lafayette, IN 47907, USA)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 141  ページ： Null  発行年： 2020年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 推薦システムは,それらの選好履歴に基づくユーザのための興味ある製品を発見する多くの商業的または社会的プラットフォームにおける人気のあるツールである。映画のような項目の評価を予測することは推奨システムにおいて重要な役割を果たす。この文脈において,著者らは,不完全な評価マトリックスのエントリーに重みをつけることによって,新しいタイプの潜在的因子モデルを開発した。重みは,評価行列に関する低ランク仮定の下で,基本SVDモデルによって引き起こされるユーザ/アイテム平均誤差を推定した後に計算される。提案したモデルと他の既存のSVD型モデルの最適化プロセスを加速するために,初期推測の特別な設計を提案した。実世界データセットに関する実験において,提案した重みづけモデルは,他のSVD型方法より優れており,特別な初期推定の使用は,ランダムな初期推測と比較して,固定数の反復内でより低いMRSEを得て,最適化を著しく改善した。さらに,人工的にノイズのあるデータセットを用いて,この方法を評価した。そこでは,重みづけモデルが他のSVD型モデルよりも良好に機能し,それらの有効性と雑音環境におけるロバスト性を意味している。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ロバスト性 ,  有効性 ,  雑音 ,  重みづけ ,  最適化 ,  *モデル
準シソーラス用語： 雑音環境 ,  MRSE ,  推奨システム ,  *因子モデル ,  *加重 , 【Automatic Indexing@JST】

著者キーワード (5件)： 推薦システム ,  協調フィルタリング ,  潜在因子モデル ,  特異値分解 ,  重みづけ技術

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 予測 ,  ロバスト ,  加重 ,  因子モデル