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。
本論文では,変分ファジィニューラルネットワークアルゴリズムを用いて,音楽知的マーケティング戦略の最適化に関する詳細解析と研究を行った。本論文で提案した音楽推薦システムは,ユーザモデリングモジュール,オーディオ特徴抽出モジュール,および推薦アルゴリズムモジュールを含んでいる。推薦アルゴリズムの基本的アイデアは以下の通りである。最初に,音楽ユーザの歴史的行動情報を収集し,隠れ意味モデルの行列分解法を用いてユーザ選好モデルを構築した。次に,システムにおけるオーディオ資源を前処理して,音楽特徴を表現することができるスペクトルマップを抽出した。ユーザの好ましい特徴と音楽ポテンシャル特徴間の類似性を計算し,ターゲットユーザに対する推薦を生成した。モデル訓練と試験のためのユーザ-音楽データセットを構築し,システム実験に用いるネットワークモデル構造を,典型的畳込みニューラルネットワークモデルに基づいて設計し,一方,モデル訓練調整パラメータを,比較し,選択した。最後に,このモデルを訓練し,試験して,このシステムを,推薦品質評価計量として,二乗平均平方根誤差,精度,想起,およびF1値を用いて,予測評価精度と推薦リスト生成精度の両方の観点から評価した。実験結果は,本論文における推薦アルゴリズムが一定の実現可能性と有効性を有することを示した。他の従来の音楽推薦アルゴリズムと比較して,本論文は,自動的に特徴を抽出して,オーディオコンテンツからより高いレベルの音楽特徴表現を得るために,深いニューラルネットワークの強力な利点を完全に利用し,一方,音楽とのユーザ相互作用の歴史的行動情報を組み込み,それは推薦システムにおけるコールドスタートのような問題を効果的に軽減することができた。Copyright 2022 Juan Sun. Translated from English into Japanese by JST.【JST・京大機械翻訳】