文献

J-GLOBAL ID：202002236248242084   整理番号：20A0853766

暗黙フィードバックを組み込んだトピックおよび社会的潜在因子による協調フィルタリング【JST・京大機械翻訳】

Collaborative Filtering with Topic and Social Latent Factors Incorporating Implicit Feedback

著者 (7件)： HU Guang-Neng (Nanjing University, Nanjing, China) ,  Dai Xin-Yu (Nanjing University, Nanjing, China) ,  Qiu Feng-Yu (Nanjing University, Nanjing, China) ,  Xia Rui (Nanjing University of Science and Technology, Nanjing, China) ,  Li Tao (Florida International University) ,  Huang Shu-Jian (Nanjing University, Nanjing, China) ,  Chen Jia-Jun (Nanjing University, Nanjing, China)
資料名： ACM Transactions on Knowledge Discovery from Data  (ACM Transactions on Knowledge Discovery from Data)
巻： 12  号： 2  ページ： 1-30  発行年： 2018年 
JST資料番号： W5699A  ISSN： 1556-4681  資料種別： 逐次刊行物 (A)
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： 推薦システム(RS)は,異なるユーザのために個人化されたアイテムを選択することによって,情報過負荷問題を軽減する有効な方法を提供する。潜在的因子ベースの協調フィルタリング(CF)は,その精度とスケーラビリティのためにRSのための一般的なアプローチになった。最近,オンラインソーシャルネットワークとユーザ生成コンテンツは,評価を超えた推薦のための多様なソースを提供する。社会的行列因数分解(社会的MF)とトピック行列因数分解(Topic MF)は,それぞれ社会的関係と項目レビューを成功裏に利用する。それらの両方は,いくつかの有用な情報を無視する。本論文では,上述の手法を組み合わせることにより,効果的なデータ融合を検討した。最初に,潜在的因子と隠れた話題を整列させることによって,評価予測のために効果的に3つの情報源(すなわち,評価,項目レビュー,および社会的関係)をモデル化するための新しいモデルMR3を提案した。第二に,著者らは,その能力を強化して,その柔軟性を実証するために,提案したモデルへの評価から暗黙フィードバックを組み込んだ。著者らは,様々な最先端の方法にわたる実生活データセットに関するより正確な評価予測を達成した。さらに,著者らは,3つのデータ源の各々からの寄与と評価からの陰的フィードバックの影響を測定し,続いてハイパーパラメータの感度解析を行った。経験的研究により,提案したモデルの有効性と有効性およびその拡張を実証した。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： 有効性 ,  *情報源 ,  過負荷 ,  データ融合 ,  柔軟性 ,  感度解析
準シソーラス用語： 行列因数分解 ,  *協調フィルタリング , 【Automatic Indexing@JST】

著者キーワード (5件)： 推薦システム ,  協調フィルタリング ,  隠れた話題 ,  陰的フィードバック ,  潜在的社会的要因

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： フィードバック ,  トピック ,  社会 ,  因子 ,  協調フィルタリング