文献

J-GLOBAL ID：202002221836220820   整理番号：20A2064379

Recリスク:マルチファセットリスク制御を用いた強化推奨モデル【JST・京大機械翻訳】

RecRisk: An enhanced recommendation model with multi-facet risk control

著者 (4件)： Xiao Yang (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China) ,  Pei Qingqi (State Key Laboratory of Integrated Services Networks, Xidian University, Xi’an 710071, China) ,  Yao Lina (The School of Computer Science, the University of New South Wales, Sydney, 2032, Australia) ,  Wang Xianzhi (The School of Computer Science, the University of Technology Sydney, Sydney, 2007, Australia)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 158  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： 推薦者システム(RSs)は,ユーザがそれらの望ましいサービスを迅速に発見し,電子商取引におけるサービスプロバイダの販売を促進するのに,重要な役割を果たす。しかし,サービスプロバイダは,より大きな利益のためにRSsを誤リードするために,チェリーピックサービス情報を意図的にアップロードする。このような誤解な推薦は,ユーザ経験を劣化させ,長期にわたって全サービス市場でユーザの信頼度を徐々に低下させる。なお,ほとんどの現在のエキスパート推薦方法は,この不完全なサービス情報に大きく依存し,信頼されると仮定するので,そのようなリスクに対してより感受性が高い。従って,ユーザのサービス要求を,同時に最小化したリスクで満足させる方法は,我々の研究を動機づける。本論文では,まず,専門家の推薦,すなわちSense Drop and Blue Joyに対して大きな課題をもたらす2つのリスクのあるファセットを識別した。次に,信用,熱方程式,および現代のポートフォリオ理論を統合したRecRiskと呼ばれる統一フレームワークを提案し,上記の課題に対処した。RecRiskの主要な寄与は2倍である。(1)利用者の選好を満たすサービスを選択するため,著者らは,熱流動理論を信頼要素と結びつける信用意識熱方程式モデル(TAHE)を設計した。(2)ユーザ満足度とサービスリスクファセットを重み付けする現代のポートフォリオ理論に基づく柔軟なモデルを開発し,最終的にユーザにランクされたサービスリストを推薦する。著者らの実験結果は,RecRiskが,最先端の手法と比較して,より高い推薦精度を達成し,リスクを減少させることを実証した。Copyright 2020 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： 信頼度 ,  ポートフォリオ ,  感受性 ,  熱伝導方程式 ,  *ファセット ,  電子商取引
準シソーラス用語： サービスプロバイダ ,  アップロード ,  サービス情報 , 【Automatic Indexing@JST】

著者キーワード (4件)： レコメンダーシステム ,  信頼 ,  熱方程式 ,  ポートフォリオ理論

分類 (2件)： 計算機網  (JC03000K) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： リスク ,  強化 ,  推奨 ,  モデル