文献

J-GLOBAL ID：201902291428155182   整理番号：19A1952869

特徴構成と局所加重線形回帰に基づくクロスドメイン協調フィルタリングアルゴリズム【JST・京大機械翻訳】

A Cross-Domain Collaborative Filtering Algorithm Based on Feature Construction and Locally Weighted Linear Regression

著者 (5件)： Yu Xu ( School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Lin Jun-yu ( Institute of Information Engineering, CAS, Beijing 100093, China) ,  Jiang Feng ( School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Du Jun-wei ( School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao 266061, China) ,  Han Ji-zhong ( School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao 266061, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2018  ページ： Null  発行年： 2018年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 交差領域協調フィルタリング(CDCF)は,補助領域からの評価知識を移すことによってスパース性問題を解決する。明らかに,異なる補助ドメインは標的ドメインに異なる重要性を持つ。しかしながら,以前の研究は,異なる補助領域の有意性を効果的に評価することができない。この欠点を克服するために,著者らは,特徴構成と局所加重線形回帰(FCLWLR)に基づく交差領域協調フィルタリングアルゴリズムを提案した。最初に,異なるドメインにおける特徴を構築し,これらの特徴を用いて異なる補助ドメインを表現した。したがって,異なるドメインにわたる重み計算は,異なる特徴を通しての重み計算として変換できる。次に,ターゲットドメインと補助ドメインにおける特徴を結合し,クロスドメイン推薦問題を回帰問題に変換する。最後に,局所加重線形回帰(LWLR)モデルを用いて回帰問題を解いた。LWLRは非パラメトリック回帰法であるので,パラメトリック回帰法において生じるアンダーフィッティングまたはオーバーフィッティング問題を効果的に回避できる。提案したFCLWLRアルゴリズムは,多くの最先端の単一領域または交差領域CF法と比較して,補助領域からの有用な知識を移動することにより,データスパース性問題に対処するのに有効であることを示すために,広範な実験を行った。Copyright 2018 Xu Yu et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *フィルタリング ,  効果 ,  モデル ,  *アルゴリズム
準シソーラス用語： スパース性 ,  *協調フィルタリング ,  *線形回帰 ,  *加重 , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  その他の情報処理  (JE15050M) ,  統計学  (AB08000H)

引用文献 (19件)：

• J. Bobadilla, F. Ortega, A. Hernando, A. Gutiérrez, "Recommender systems survey," Knowledge-Based Systems, vol. 46, pp. 109-132, 2013.
• D. Goldberg, D. Nichols, B. M. Oki, D. Terry, "Using collaborative filtering to weave an information tapestry," Communications of the ACM, vol. 35, no. 12, pp. 61-70, 1992.
• H. Liu, Z. Hu, A. Mian, H. Tian, X. Zhu, "A new user similarity model to improve the accuracy of collaborative filtering," Knowledge-Based Systems, vol. 56, pp. 156-166, 2014.
• P. Resnick, N. Iacovou, M. Suchak, P. Bergstrom, J. Riedl, "GroupLens: an open architecture for collaborative filteringof netnews," Proceedings of the ACM conference on Computer supported cooperative work, pp. 175-186, Chapel Hill, NC, USA, October 1994.
• L. Si, R. Jin, "Flexible Mixture Model for Collaborative Filtering," Proceedings of Twentieth International Conference on Machine Learning, pp. 704-711, USA, August 2003.

タイトルに関連する用語 (5件)： 加重 ,  線形回帰 ,  ドメイン ,  協調フィルタリング ,  アルゴリズム