文献

J-GLOBAL ID：202102257089049517   整理番号：21A0010007

個人推薦システムのための相互作用データ解析【JST・京大機械翻訳】

Interaction Data Analysis for Personalized Recommendation System

著者 (2件)： Lee Seokmin (Yonsei University,School of Electrical and Electronic Engineering) ,  Ro Won Woo (Yonsei University,School of Electrical and Electronic Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCE-Asia  ページ： 1-5  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： 情報爆発のボリュームとして,推薦システムは情報過負荷に対処する効果的方法として現れた。特に,ユーザ-項目相互作用データ(例えば,クリックレートと購入履歴)に基づく個人化推薦システムは,e-コマース,ビデオストリーミングサービス,およびソーシャルメディアのようなほとんどの推薦システムにおいて使用される。これらの相互作用データは,アルゴリズムの性能と同様に計算資源に著しい影響を与える。しかし,ほとんどの個人化推薦システム研究において,相互作用データのコンピューティング資源問題は,比較的少ない精査を受けた。本論文では,相互作用データに起因する計算資源問題を詳細に示し,それらを長尾現象として定義する。また,長尾現象を解析するために,社会的現象,グラフ理論を適用した解析法を提案した。Copyright 2021 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 ,  *相互作用 ,  グラフ理論 ,  データ解析 ,  過負荷 ,  電子商取引
準シソーラス用語： ビデオストリーミング ,  *推奨システム ,  計算資源 ,  ソーシャルメディア ,  個人化推薦 , 【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 (4件)： 個人 ,  推薦システム ,  相互作用 ,  データ解析