文献

J-GLOBAL ID：201602242720096456   整理番号：16A1204743

異種ネットワークのための一般的レコメンデーションモデル【Powered by NICT】

A General Recommendation Model for Heterogeneous Networks

著者 (4件)： Pham Tuan-Anh Nguyen (School of Computer Science and Engineering, Nanyang Technological University, Singapore) ,  Li Xutao (Shenzhen Key Laboratory of Internet Information Collaboration, Shenzhen Graduate School, Harbin Institute of Technology, Harbin, China) ,  Cong Gao (School of Computer Science and Engineering, Nanyang Technological University, Singapore) ,  Zhang Zhenjie (Advanced Digital Sciences Center, Illinois at Singapore Pte. Ltd., Singapore)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 28  号： 12  ページ： 3140-3153  発行年： 2016年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 不均一ネットワークは実体ならびにそれらの相互作用関係の多重タイプを含むネットワークに関連している。ドメイン,例えば,イベントベースソーシャルネットワークMeetupとPlancast,DBLPの大きな品種である。推奨はこれらの不均一ネットワークシステムにおける有用な仕事である。多く推薦アルゴリズムは,不均一データのための提案されているが,それらのどれも異なるタイプの,高い推薦精度を達成するだけでなく有用な間の影響強度を明示的にモデル化,レコメンデーション問題における各エンティティ型の役割をより良く理解することはできない。さらに,これらのアルゴリズムの多くは特定のタスク用に設計されていると,他の問題にそれらを適用するために挑戦的である。本論文では,著者らは,HeteRSと呼ばれるグラフベースモデル不均一ネットワーク上の一般的なレコメンデーション問題を解決することができるを提案した。著者らの方法は,不均一グラフを用いた豊富な情報をモデル化し,問い合わせに依存するノード近接性問題として推薦問題を考察した。異なるタイプエンティティの間の影響を重みづけの困難な問題に対処するために,筆者らは推薦におけるエンティティの異なるタイプ間の影響量を設定するための学習方式を提案した。実世界データセット上での実験結果により,提案した方法は全ての推薦タスクのための著者らの実験におけるベースライン方法よりも著しく優れている,学習影響量を理解するユーザ行動を助けることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習 ,  アルゴリズム ,  相互作用 ,  基準線 ,  多重化 ,  モデリング ,  重みづけ ,  品種 ,  *ネットワーク
準シソーラス用語： ユーザ行動 ,  近接性 ,  エンティティ ,  推薦アルゴリズム ,  ネットワークシステム ,  *異種ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 異種ネットワーク ,  レコメンデーション ,  モデル