プロファイル間類似度の推移関係に着目した推薦計算量削減

情報処理学会 Web Site

書誌事項

タイトル別名
  • プロファイル カン ルイジド ノ スイイ カンケイ ニ チャクモク シタ スイセン ケイサンリョウ サクゲン
  • Calculation Time Reduction in Item Recommendation System Based on Transitive Law of Similarities between Each Profiles

この論文をさがす

抄録

アイテム推薦手法の多くで用いられている協調フィルタリングでは，規模の拡大にともない，プロファイル間の類似度計算やアイテムの推薦度計算の回数が増加し，推薦時間が長くなるという問題がある．そのため，推薦に有用となる類似度の高いプロファイルを選択することで，推薦精度を保ちつつ計算量を減らすことが必要となる．そこで本研究では，プロファイル間の類似度において推移関係があることに着目した．各プロファイルをノードとするプロファイル選択ネットワークを作成し，類似度に従う確率的探索を行うことによって，有用なプロファイルを発見する手法を提案するとともに，ソーシャルブックマークの実データを用いて本手法の有効性を示す．

Scalability is the biggest problem if one wants to implement item recommendation system in real world. Increasing of items and users leads to increse the calculation time and reduce the efficiency of recommendation system. Therefore, selection of effective recommender profiles which are similar to recommendee is required to reduce calculation time. In this paper, we focused on ‘transitive law’ of similarities between each profiles and replace the scalability problem into a node searching problem in a pseudo-distributed network. Experimental results, based on live data from real social bookmark service, shows that our proposed method have potential to reduce cal culation time drastically and select the effective profile from distributed network.

収録刊行物

関連プロジェクト

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ