文献

J-GLOBAL ID：202202210024200431   整理番号：22A0856359

潜在因子アラインメントに基づくクロスドメイン推薦【JST・京大機械翻訳】

Cross-domain recommendation based on latent factor alignment

著者 (6件)： Yu Xu (School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao, China) ,  Hu Qiang (School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao, China) ,  Li Hui (School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao, China) ,  Du Junwei (School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao, China) ,  Gao Jia (School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao, China) ,  Sun Lijun (School of Information Science and Technology, Qingdao University of Science and Technology, Qingdao, China)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 5  ページ： 3421-3432  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最近,様々なクロスドメイン推薦(CDR)モデルが,スパース性問題を克服するために提案され,それは,ターゲットドメインの推薦性能を改善するために,補助ドメインから比較的豊富なレイティングデータを利用する。行列因数分解ベースの協調フィルタリングアルゴリズムは,単一ドメイン推薦システムにおいて優位性を獲得するが,ターゲットと補助領域の得られた潜在因子が配列されないので,クロスドメインケースに直接使用することができず,補助ドメインからターゲットのものへの不正確な知識転送をもたらす。本論文では,CDCFLFAという名のCDRモデルを示し,この問題を解決した。CDCFLFAでは,まず2つのドメイン間の潜在因子をパターンマッチングに基づいて整列させた。次に,補助領域のユーザ選好を転送して,ターゲット領域の元のユーザ潜在ベクトルを更新した。最後に,線形最小自乗問題を,目標領域のアイテム潜在ベクトルを計算するために解決して,このように,未知の評価を,更新されたユーザとアイテム潜在ベクトルに従って得た。CDCFLFAは2つのドメイン間の同じユーザまたはアイテム集合を必要としない。広範な実験を行い,結果は,CDCFLFAが以前の単一および交差領域推薦法よりも小さなMAEおよびRMSE値およびより大きな精度と再現率を達成することを示した。したがって,CDCFLFAは単一ドメインマトリックス因数分解アルゴリズムの効果的交差ドメイン拡張とみなすことができる。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd. part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アラインメント ,  アルゴリズム ,  最小二乗法 ,  ベクトル ,  レイティング ,  精度 ,  線形性 ,  パターンマッチング
準シソーラス用語： 協調フィルタリング ,  スパース性 ,  推奨システム ,  再現率 ,  単分域 ,  転移学習 ,  行列因数分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： クロスドメイン推薦 ,  潜在因子アラインメント ,  線形最小二乗問題 ,  転移学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 因子 ,  アラインメント ,  ドメイン ,  推薦