文献

J-GLOBAL ID：202202235308641375   整理番号：22A1051302

多基準評価データによるニューラル協調フィルタリング【JST・京大機械翻訳】

Neural collaborative filtering with multicriteria evaluation data

著者 (4件)： Morise Hiroki (Graduate School of Information Science and Technology, Hokkaido University, Kita 14, Nishi 9, Kita-ku, Sapporo, Hokkaido 060-0814, Japan) ,  Atarashi Kyohei (Graduate School of Information Science and Technology, Hokkaido University, Kita 14, Nishi 9, Kita-ku, Sapporo, Hokkaido 060-0814, Japan) ,  Oyama Satoshi (Faculty of Information Science and Technology, Hokkaido University, Kita 14, Nishi 9, Kita-ku, Sapporo, Hokkaido 060-0814, Japan) ,  Kurihara Masahito (Faculty of Information Science and Technology, Hokkaido University, Kita 14, Nishi 9, Kita-ku, Sapporo, Hokkaido 060-0814, Japan)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 119  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 推薦システムは,消費者が情報過負荷を避けながら大量の情報を与えた情報の有用なアイテムを見つけるのを助ける。今日,従来の評価情報(個々のレビュー者評価のような)に加えて,多基準評価のような情報がWeb上で利用可能である。ここで報告した研究では,多基準評価データと深層学習を用いた協調フィルタリング法が,豊富で疎な多基準評価データに対して有効であるかどうかを調査した。また,適応性が少数のユーザの評価から凝集評価を予測することによって達成できるかどうかも調べた。実験結果は,深い学習を使用する3つの提案方法が推薦と評価集約の両方のための伝統的方法より良いことを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 凝集 ,  消費者 ,  情報 ,  レビュー ,  *情報収集 ,  適応性 ,  *方法論 ,  利用者 ,  過負荷 ,  *Web【情報システム】
準シソーラス用語： *協調フィルタリング ,  推奨システム ,  深層学習 ,  *多基準評価 , 【Automatic Indexing@JST】

著者キーワード (5件)： 勧告 ,  多基準評価 ,  協調フィルタリング ,  凝集の評価 ,  深層学習

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (2件)： 多基準評価 ,  協調フィルタリング