文献

J-GLOBAL ID：202002211630516107   整理番号：20A2071947

推奨のためのスペクトルCFとFP成長の統合【JST・京大機械翻訳】

Integrating Spectral-CF and FP-Growth for Recommendation

著者 (3件)： Zhang HuaXin (College of Information Science and, Engineering, Guangxi key Laboratory of Embedded, Technology and Intelligent System, Guilin University of Technology, Guilin, China) ,  Liu Yu (College of Information Science and, Engineering, Guangxi key Laboratory of Embedded, Technology and Intelligent System, Guilin University of Technology, Guilin, China) ,  Cao KeYin (College of Information Science and, Engineering, Guangxi key Laboratory of Embedded, Technology and Intelligent System, Guilin University of Technology, Guilin, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： EBIMCS ’19  ページ： 1-7  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 情報過負荷の時代において,情報消費者と情報生産者は,情報消費者にとって大きな課題に直面しており,大量の情報から関心の情報を見つけるのは非常に難しい。推薦システムは,この矛盾を解決するための重要なツールである。協調フィルタリング(CF)の人気にもかかわらず,CFベースの方法はコールドスタートとデータスパース性問題によって妨げられる。本論文は,研究目的として商品推薦を取り上げ,スペクトル-CFとFP-Growthを結合した推薦アルゴリズムを提案した。最初に,関連規則アルゴリズムFP-Growthは,目標利用者と目標アイテムの関連規則をマイニングして,利用者のためにより高い類似性によってアイテムの収集を推薦した。第二に,スペクトル協調フィルタリングアルゴリズムを用いて,スペクトル領域におけるPerform畳込み演算を行った。最後に,スペクトル-CFとFP-Growth推薦を結合することによって最終結果を提供した。MovieLensデータセットに関する実験結果は,提案方法がデータスパース性とコールドスタート問題の問題をよりよく解決し,推薦の精度を改善することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  畳込み ,  消費者 ,  演算 ,  *スペクトル ,  生産者 ,  過負荷 ,  類似性
準シソーラス用語： 協調フィルタリング ,  スパース性 ,  推奨システム ,  低温始動 ,  推薦アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： FP成長アルゴリズム ,  スペクトル-CFアルゴリズム ,  コールドスタート ,  データスパース性

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (6件)： 推奨 ,  スペクトル ,  Cf ,  FP ,  成長 ,  統合