文献

J-GLOBAL ID：202002285970013161   整理番号：20A0199744

共クラスタリング法によるTOP-N推奨の性能改善【JST・京大機械翻訳】

Improving performances of Top-N recommendations with co-clustering method

著者 (5件)： Feng Liang (Center for Intelligent and Networked Systems (CFINS), Department of Automation, Tsinghua University, Beijing 100084, China) ,  Feng Liang (Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, Beijing 100084, China) ,  Zhao Qianchuan (Center for Intelligent and Networked Systems (CFINS), Department of Automation, Tsinghua University, Beijing 100084, China) ,  Zhao Qianchuan (Beijing National Research Center for Information Science and Technology (BNRist), Tsinghua University, Beijing 100084, China) ,  Zhou Cangqi (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 143  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： 協調フィルタリングは多くの応用で広く使われてきた。典型的なアイデアは,全項目にわたるそれらの相互作用データを利用することにより,ユーザの好みを同定することである。しかし,これは,ユーザがアイテムの異なる集合と異なる選好を共有することがあるので,時々不正確である。本論文において,著者らは,ユーザアイテムコミュニティ検出ベースの勧告(UICDR)方法と呼ばれる共同フィルタリングに基づく新しい推薦方法を提唱した。新しいパラメータフリーで拡張可能なコミュニティ検出法を著者らの以前の研究から修正した。著者らは,二部モジュールの一つの部分形式を引き出して,新しいネットワーク表現を提唱した。ユーザ-アイテム相互作用データを用いて二部ネットワークを構築することにより,最初にユーザとアイテムをいくつかのサブグループに分割した。密接にリンクしたユーザとアイテムによってクラスタを得た後に,従来の協力的フィルタリングモデルは,各々のクラスタのために訓練することができた。4つの実世界データ集合に関する結果は,提案したUICDRがいくつかの従来の協調フィルタリング法のTop-N勧告の性能を著しく改善することを示した。加えて,UICDRは低温始動問題に役立つ。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： フィルタリング ,  ネットワーク ,  相互作用 ,  *クラスタ
準シソーラス用語： 低温始動 ,  二部構成ネットワーク ,  コミュニティ検出 ,  協調フィルタリング ,  クラスタリング法 , 【Automatic Indexing@JST】

著者キーワード (4件)： 協調フィルタリング ,  共クラスタリング法 ,  二分ネットワーク ,  TOP-N勧告

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (3件)： クラスタリング法 ,  推奨 ,  性能改善