文献

J-GLOBAL ID：201702220165310555   整理番号：17A0213678

独立増強されたレコメンデーションのためのモデルベースアプローチ【Powered by NICT】

Model-Based Approaches for Independence-Enhanced Recommendation

著者 (4件)： Kamishima Toshihiro ,  Akaho Shotaro ,  Asoh Hideki ,  Sato Issei
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDMW  ページ： 860-867  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 推奨独立性を高めるための新しいアプローチを研究した。このようなアプローチは法規の遵守,コンテンツプロバイダの公平な処理,不要な情報の排除を確実にするのに有用である。例えば,求職者と雇用者に適合する勧告は社会的公平性の観点から,性別または人種など,社会的に敏感な情報に基づくべきではない。このような機密情報の影響を排除できることをアルゴリズムはこの場合に有用であろう。以前推奨独立性の形式的定義を与え,このような独立性制約を課すことを正則化器を採用した方法を提案した。この正則化手法が提案されていないよりも他の選択肢として,ここでは新しいモデルベースアプローチ,推奨独立性の制約を満足する生成モデルを提案した。はこのアプローチを適用する潜在クラスモデルとモデルベースのアプローチは,独立性を高めることができることを実験的に示した。トピックモデルのような,生成モデルに基づくレコメンデーションアルゴリズムは重要であり,それらが,多種多様な情報タイプを導入することができる柔軟な機能性を持つからである。著者らの新しいモデルベースアプローチは,生成モデルの機能性を統合することにより,独立性強化された勧告の応用を広げるであろう。Copyright 2017 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： 制約条件 ,  *正則化 ,  雇用 ,  公平性 ,  アルゴリズム
準シソーラス用語： 機能性 ,  トピックモデル ,  *モデルベース ,  生成モデル ,  機密情報 ,  人種 ,  性別 ,  求職 , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  データ保護  (JD01020V)

タイトルに関連する用語 (2件)： 増強 ,  レコメンデーション