文献

J-GLOBAL ID：201902253379203442   整理番号：19A2417383

モビリティパターンマイニングのためのスパース性制約非負テンソル因子分解【JST・京大機械翻訳】

Sparsity Constraint Nonnegative Tensor Factorization for Mobility Pattern Mining

著者 (3件)： Balasubramaniam Thirunavukarasu (School of Electrical Engineering and Computer Science, Queensland University of Technology, Brisbane, Australia) ,  Nayak Richi (School of Electrical Engineering and Computer Science, Queensland University of Technology, Brisbane, Australia) ,  Yuen Chau (Engineering Product Development, Singapore University of Technology and Design, Singapore, Singapore)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11671  ページ： 582-594  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 多次元(時空的な)データをモデル化する能力にもかかわらず,非負テンソル因数分解(NTF)のようなテンソルモデリングと因数分解法は,人々の移動パターンを自動的に学習するために幼児期にある。これらの方法によって生成されたパターンの品質は,データのスパース性によって影響を受ける。本論文では,スパース性制約非負テンソル因数分解(SNTF)法を導入し,位置ベースソーシャルネットワーク(LBSN)利用データから移動度パターンを効果的に生成する方法を検討した。因数分解プロセスは,要素選択ベースの因数分解アルゴリズム,Greedy座標遅延アルゴリズムを用いて最適化される。実世界データセットによる経験的解析は,正確な移動度パターンを自動的に学習することにおけるSNTFの重要性を示した。NTFにおけるスパース性制約は,高度にスパースなデータセットに対するパターンの精度を改善し,明確なパターンを同定できることを経験的に示した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 品質 ,  因数分解 ,  モデリング ,  *移動度 ,  高次元 ,  *テンソル ,  最適化 ,  アルゴリズム
準シソーラス用語： *スパース ,  幼児期 ,  *非負テンソル因子分解 ,  *スパース性 ,  *パターンマイニング , 【Automatic Indexing@JST】

著者キーワード (5件)： 非負テンソル因子分解 ,  スパース性制約 ,  モビリティパターンマイニング ,  時空間 ,  欲張り欲な座標降下

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： スパース性 ,  制約 ,  非負テンソル因子分解