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。
位置ベース社会ネットワーク(LBSN)の人気が増加するので,点間(POI)推薦のための正確なモデルを設計することは,より多くの注意を受信する。POI推薦は,以前に設計された推薦アルゴリズムに文脈情報を組み込むことによってしばしば実行される。POI推薦で考慮された主要な文脈情報のいくつかは,位置属性(即ち,位置,カテゴリ,およびチェックイン時間の正確な座標),ユーザ属性(すなわち,コメント,レビュー,チップ,およびチェックイン)を,ユーザの主な活動位置からのPOIの距離,およびユーザ間の社会的タイターのようなその他の情報である。そのような因子の正しい選択はPOI推薦の性能に大きく影響する。しかし,以前の研究は,これらの異なる要因の組み合わせの影響を考慮していない。本論文では,異なる文脈モデルを提案し,POI推薦における異なる主要な文脈情報の融合を解析した。本論文の主要な貢献は,以下の通りである。(i)コンテキスト意識位置推薦(ii)の広範な調査を提供し,利用可能な基準線と2つの新しい線形および非線形モデルに対するPOI推薦における異なる文脈情報(例えば,社会的,時間的,空間的,およびカテゴリー)の影響を定量化し,解析すること,および(iii)2つのよく知られた現実世界データセットを用いて考慮されたモデルを評価することができる,(iii)単一推薦モデルへのすべての主要な文脈情報を組み込むことができる。(iii),(iii)2つの新しい線形および非線形モデル,(iii)2つの新線形および非線形モデル,の2つの新線形および非線形のモデルに対する,POI推薦における,異なる文脈情報(例えば,社会的,時間的,空間的,およびカテゴリー)の影響の定量化および解析。結果は,地理的および時間的影響のモデリングが推薦品質を改善することができる一方,推薦モデルへのすべての他の文脈情報を融合することは,常に最良の戦略ではないことを示した。【JST・京大機械翻訳】
