文献

J-GLOBAL ID：202002240324446660   整理番号：20A0958106

特別に製造された専門家を強調することによる推奨多様性の改善【JST・京大機械翻訳】

Improving Recommendation Diversity by Highlighting the ExTrA Fabricated Experts

著者 (4件)： An Ya-Hui (CompleX Lab, School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Dong Qiang (CompleX Lab, School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Yuan Quan (CompleX Lab, School of Computer Science and Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Wang Chao (School of Electrical Engineering, Chongqing University, Chongqing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 64422-64433  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 今日,推薦システム(RSES)は,個々のユーザとビジネスマーケティング,特にオンライン電子商取引シナリオにおいてますます重要になっている。しかし,文献で提案されている推薦アルゴリズムの大部分は予測精度を改善する努力に焦点を合わせているが,推薦の多様性のような推薦品質の他の重要な側面は,ますます多くの見過ごされていない。最近の10年において,推薦多様性は,特にユーザアイテム二部ネットワークに基づくモデルにおいて,より多くの研究注意を引き出した。本論文では,RSESにおけるユーザから製造された専門家を抽出するためのアプローチのファミリーを紹介し,これらの専門家の推薦多様性改善における能力を,質量拡散(短いMD)モデルと呼ばれる良く知られた二部ネットワークベースの方法で強調することにより検討した。これらのExTrAベースのモデルを,推薦精度と多様性に関して,2つの最先端のMD改良モデルHHPとBHCと比較した。3つの実世界データセットMovieLens,NetflixおよびRYMに関する包括的な経験的結果は,提案したExTrAベースのモデルが有意なダイバーシチ利得を達成できるが,推薦精度の同等レベルを維持することができることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *マーケティング ,  電子商取引
準シソーラス用語： 予測精度 ,  推奨システム ,  オンライン ,  推薦アルゴリズム , 【Automatic Indexing@JST】

分類 (5件)： マーケティング  (KA06020W) ,  その他の情報処理  (JE15050M) ,  パターン認識  (JE07000S) ,  データ保護  (JD01020V) ,  その他の無線通信  (ND08050D)

タイトルに関連する用語 (2件)： 推奨 ,  多様性