ユビキタスコンテンツのための特異値分解を用いた情報推薦手法
スポンサーリンク
概要
- 論文の詳細を見る
本稿では将来のユピキタス環境下におけるコンテンツ推薦の効率向上をめざし、内容ベース推薦と協調推薦を特異値分解を用いて組合せるハイブリッド推薦手法を提案し、推薦精度とデータ圧縮についての評価について述べる。提案手法は特異値分解を用いた協調推薦によりコンテンツの件数を圧縮する行列を導出し、その行列を用いてコンテンツ件数を圧縮してからLSI (Latent Semantic Indexing) により更に圧縮する。提案手法はこのように2段階の圧縮をかけることによって単語集合を高効率に圧縮することができる。評価実験の結果、推薦精度は従来手法をわずかに上回った。圧縮効率では、もともと9924語あった単語数について、従来手法では45語に圧縮されたが、提案手法では15語まで圧縮することができた。1 はじめに2 従来の推薦手法3 提案手法4 提案手法の評価5 オーバレイネットワーク上での実現6 おわりに
- 2008-12-31
論文 | ランダム
- 片側副腎過形成の1例 : ステロイド合成酵素発現の検討
- 後腹膜に発生した粘液性嚢胞腺癌の1例
- 6.余命数週間と思われた患者の在宅ターミナルケア : 家族の精神的フォローを行って(セッションII)(第7回群馬緩和医療研究会)
- 結腸癌術後に発生した孤立性脾転移の1例
- アルドステロン産生性副腎皮質癌の1例