文献

J-GLOBAL ID：202002291166609551   整理番号：20A2554494

オンライン製品推奨エンジン【JST・京大機械翻訳】

Online Product Recommendation Engine

著者 (5件)： Kapgate Ekant Khusshal (SGGS Nanded College) ,  Kannan Rakesh (SREC Engg College) ,  Harshvardhan A Venkata (Sagi Ramakrishnam Raju Engg College) ,  Singh Aprajita (Galgotias University) ,  Ahuja Nisha (Bennett University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GUCON  ページ： 257-260  発行年： 2020年 
JST資料番号： W2441A  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： この現代世界において,ほとんどの製品はインターネットを通してもたらされる。したがって,推薦技術を用いて,製品の販売を改善できる。2つのcsvファイルを提供した。列車.csvデータセットは,ユーザID,Invoice数,Date&Time,Quantity,Country,Unit Price,Stock Codeを含む。これらの利用可能なパラメータを用いることにより,製品を顧客に推薦する。以前の研究では,SVDアルゴリズムまたはマトリックス因数分解を用いて,推薦を行った。本論文では,テキストを潜在ベクトルシーケンスに復号するために,特に必要なタスクにおけるエンドツーエンド協調フィルタリングのために,制限Boltzmannマシン(RBM)を用いた。RBMモデルによる各顧客に対するストックの推薦のタスクは,著しく高い精度でモデルを生成するのを助ける。マルチタスク学習は,ユーザが購入したユーザとアイテムに基づくより良い予測を与えるRBMを通して学習の効率を改善するためにちょうど使用される。これは,既に購入した製品に基づく個々のユーザに対するストックコードを推薦するのを助ける。RBM法により顧客に対して94.4%の推薦スコアを達成した。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： アルゴリズム ,  *在庫量 ,  エンドツーエンド方式 ,  Boltzmannマシン ,  インターネット
準シソーラス用語： 協調フィルタリング ,  *オンライン ,  マルチタスク学習 ,  行列因数分解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： オンライン ,  推奨