文献

J-GLOBAL ID：202202278847335551   整理番号：22A1116850

深層学習ベースの信頼とタグを意識したレコメンダーシステム【JST・京大機械翻訳】

A deep learning based trust- and tag-aware recommender system

著者 (3件)： Ahmadian Sajad (Faculty of Information Technology, Kermanshah University of Technology, Kermanshah, Iran) ,  Ahmadian Milad (Department of Computer Engineering, Razi University, Kermanshah, Iran) ,  Jalili Mahdi (School of Engineering, RMIT University, Melbourne, Australia)
資料名： Neurocomputing  (Neurocomputing)
巻： 488  ページ： 557-571  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  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,ユーザが望むアイテムを選択するのを助けるために,e-コマース,e-ラーニング,およびソーシャルネットワークのような多くのアプリケーションで使用される一般的なツールである。協調フィルタリングは,それらの将来の興味を予測するために,ユーザの以前の評価を使用する広く使用された推薦技術である。十分な評価の欠如はしばしば協調フィルタリング推薦法の性能を低下させる。信頼関係とタグ情報のような付加的側面資源は,推薦精度を強化するために使用することができた。しかし,信頼とタグのデータは,ユーザがこれらのサイドリソースに関する不十分な情報を主に提供するので,しばしば非常にスパースである。さらに,そのような付加的資源は,類似性値の計算における推薦モデルの計算複雑性の増加をもたらす,一般的に大きな次元を持つ。これらの問題に対処するために,信頼関係とタグ情報の表現をモデル化するために,深いニューラルネットワークを利用する新しい推薦モデルを提案した。この目的のために,ユーザユーザ信頼関係とユーザタグ行列から潜在特徴を抽出するために,スパースオートエンコーダを用いた。次に,抽出した潜在特徴を利用して,ユーザ間の類似性値を計算し,次に,ターゲットユーザの最近傍を形成し,そして,非意味アイテムを予測するために使用した。提案方法は,データスパース性問題に取り組むことができて,抽出潜在特徴が元のデータと比較してより小さい次元を有するので,推薦システムの計算複雑性を減少することができた。2つのベンチマークデータセットに関する実験結果は,提案した方法の有効性を明らかにして,最先端の推薦システムに関してそのアウトパフォーマンスを示した。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： 情報 ,  ニューラルネットワーク ,  情報収集 ,  方法論 ,  計算量 ,  応用プログラム ,  モデル ,  性質 ,  ベンチマーク ,  eラーニング ,  *電子商取引
準シソーラス用語： 協調フィルタリング ,  信頼関係 ,  スパース性 ,  推奨システム ,  社会的ネットワーク ,  *深層学習 ,  自己符号化器 , 【Automatic Indexing@JST】

著者キーワード (6件)： レコメンダーシステム ,  協調フィルタリング ,  深層ニューラルネットワーク ,  スパースオートエンコーダ ,  信頼 ,  タグ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深層学習 ,  信頼 ,  タグ ,  意識