文献

J-GLOBAL ID：202202290793189030   整理番号：22A1136845

クラス遷移重み付きテンソル分解モデルに基づく関心点分割推奨【JST・京大機械翻訳】

A Recommendation Method for Point-of-Interest Partition Based on Category Transfer Weighted Tensor Decomposition Model

著者 (3件)： Li Sheng (浙江工業大学信息工程学院 杭州 310023) ,  Liu Guiyun (浙江工業大学信息工程学院 杭州 310023) ,  He Xiongxiong (浙江工業大学信息工程学院 杭州 310023)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 44  号： 1  ページ： 203-210  発行年： 2022年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 位置のソーシャルネットワークに基づく興味点(POI)は人々が面白い位置を発見する重要な方法であり、しかし、現実にユーザーは異なる地区の場所の好みの側重の差異、そして高次元の歴史を情報にマークし、精確にまた個性化のPOI推薦は非常に挑戦性に富んでいる。それに対して、本論文では、類別移動加重テンソル分解モデルに基づく新しい関心点分割推薦アルゴリズム(WTD-PR)を提案した。ユーザの連続行為と時間特徴を結合することによって、ユーザーの歴史的アクセス情報を十分に利用し、それによって類別移動重み因子を獲得した。次に,ユーザ-時間-クラステンソルモデルを改善し,次に,このテンソルにクラス遷移重みを加え,ユーザの好みクラスを予測した。最後に、ユーザーの履歴訪問地域によってローカルと異地を分け、ユーザーの現在の位置に基づいて推薦区域の範疇を探し、さらに位置要素と社交要素を導入し、候補の類別を結びつけて興味の点を分けて推薦する。実際のデータセットに関する比較実験を通して,実験結果は,提案したアルゴリズムが汎用性だけでなく,推奨性能に関して他の比較アルゴリズムより優れていることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *テンソル ,  情報 ,  汎用性 ,  *モデル ,  利用者 ,  高次元 ,  比較試験
準シソーラス用語： 社会的ネットワーク ,  *関心領域 ,  ユーザ好み ,  *テンソル分解 ,  推薦アルゴリズム , 【Automatic Indexing@JST】

分類 (3件)： 無線通信一般  (ND08010L) ,  計算機利用技術一般  (JE01000C) ,  数値計算  (JE02000J)

タイトルに関連する用語 (6件)： クラス ,  遷移 ,  テンソル分解 ,  モデル ,  関心 ,  推奨