文献

J-GLOBAL ID：201902289618123047   整理番号：19A1683816

融合深さ学習と因子分解機の興味点署名予測研究【JST・京大機械翻訳】

Study on Check-in Prediction Based on Deep Learning and Factorization Machine

著者 (4件)： Su Chang (重慶郵電大学計算机科学与技術学院 重慶 400065) ,  Peng Shaowen (重慶郵電大学計算机科学与技術学院 重慶 400065) ,  Xie Xianzhong (重慶郵電大学計算机科学与技術学院 重慶 400065) ,  Liu Ningning (重慶郵電大学計算机科学与技術学院 重慶 400065)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 46  号： 5  ページ： 185-190  発行年： 2019年 
JST資料番号： C2530A  ISSN： 1002-137X  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： 位置に基づくソーシャルネットワーク(Location-BasedSocialNetworks、LBSN)はユーザーに位置に基づくサービスを提供し、モバイルユーザーが社交ネットワークで各自の位置と位置に関する情報を共有できる。予測研究はLBSNの重要かつ非常に挑戦的なタスクである。現在、予測技術の大部分はユーザーを中心とするサインから予測研究に集中しており、関心点マークから予測までの研究は少ない。本文は主に特定の関心点を中心とするサインから予測まで研究する。データに極端なスパース性があるため、従来のモデルを用い、データからユーザーの潜在サインをマイニングすることは難しい。特定の関心点を中心とする署名から予測問題に向けて,時間特徴,空間特徴,天候特徴を融合して,因子分解マシン(TSWNN)に基づく新しいネットワークモデル(TSWNN)を提案し,高次元スパースベクトルを因子分解マシンのアイデアに基づいて処理した。興味点におけるユーザの潜在的署名から行動モードをマイニングするために,全連結隠れ層を採用して,特定の興味点のサインを予想した。2つの古典的LBSNデータセットGowallaとBrightkiteに関する実験結果は,提案したモデルの優れた性能を示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  高次元 ,  ネットワーク ,  モデル ,  *前向きコホート研究 ,  予測技法
準シソーラス用語： 隠れ層 ,  ネットワークモデル ,  天候 ,  スパース性 ,  関心領域 ,  モバイルユーザ ,  社会的ネットワーク ,  *因子分解 , 【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 (7件)： 融合 ,  学習 ,  因子分解 ,  興味 ,  署名 ,  予測 ,  研究