抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
協調フィルタリングアルゴリズムは推薦精度において明白な利点を持ち,Banditアルゴリズムは多様性ニーズに対処する戦略である。COFIBAアルゴリズムは,多様性と精度のバランスを推薦するための解法を提供するために,Banditアルゴリズムによって協調フィルタリングアルゴリズムを結合した。しかし,COFIBAは時間特性の影響を考慮しない,そして,COFIBAは累積レグレットである。多様性の問題を解決するのは比較的遅い。したがって,本論文は学習ベースのモデルを提案した。一方では,利用者の開放性特性を導入し,多様性推薦を達成し,ユーザの開放性を調整する「探索フィードバック更新」戦略に依存する。同時に,時間因子を,特徴としてCOFIBAアルゴリズムに組み込み,そして,時間によるユーザ関心の変化を,推薦の精度を確実にするために解析した。実験結果は,時間とオープン特徴を有する組合せアルゴリズムが,COFIBAアルゴリズムと比較して,結果の多様性と精度において著しい改良を有することを示した。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】
