-
- いいね！0
情報サービスシステム
@klisiss
Zenbackであなたのブログに全てのフィードバックを。 https://t.co/PQOeAueT6k #klis_iss
2013-05-14 12:56:45
ちゃむ＠迷走中
@tya_m
問題点：アイテムの情報を詳細に記述したデータベースを用意する必要があり、手間がかかる。ユーザーがアイテムを選ぶ要因を設計者が知る必要がある。#klis_iss
2013-05-14 13:05:41
ちゃむ＠迷走中
@tya_m
協調フィルタリング：他ユーザの嗜好データを利用し、ユーザの評価値を予測し推薦する。 例)Amazon、Netflix #klis_iss
2013-05-14 13:10:00
ちゃむ＠迷走中
@tya_m
メモリベース：推薦実行の際に嗜好データを直接利用、最新の嗜好のもとなので精度の高い推薦が可能、ただ左飛アイテム数が増えると推薦に時間がかかる。#klis_iss
2013-05-14 13:14:13
ちゃむ＠迷走中
@tya_m
モデル：あらかじめ嗜好を分析して、ユーザー、アイテム間の関係を予測するモデルを用意。計算速度が速い。最新の情報が繁栄されないという欠点がある。#klis_iss
2013-05-14 13:15:26
ちゃむ＠迷走中
@tya_m
コールドスタート問題：ユーザの行動履歴が集まらないと嗜好予測ができない。誰も評価していないアイテムは推薦できない。 他の問題点：複数趣味を持つ人の嗜好がノイズとなる。#klis_iss
2013-05-14 13:23:36
情報サービスシステム
@klisiss
授業の推薦システム．TWINS入力を利用する．時間割の重なりをベースにするので，この授業を取った人はこれもとってます．提示について，曜日毎に．自由科目のお勧めを履修人数で判断，単位のとりやすさは前年度の成績情報から判定する #klis_iss
2013-05-14 14:38:10
はっしー
@m_hsmt
ちなみに私のグループのこの推薦システム。研究している研究室があるみたいです http://t.co/a2dC7jz8ks #klis_iss
2013-05-14 14:44:59
情報サービスシステム
@klisiss
手塚先生が前いたところ RT @m_hsmt: ちなみに私のグループのこの推薦システム。研究している研究室があるみたいです http://t.co/SLJ2yDF0WD #klis_iss
2013-05-14 14:46:13
情報サービスシステム
@klisiss
次のグループ．筑波大のOPACをAmazonチックに．検索ワードと閲覧履歴を嗜好データ．ハイブリッド推薦．マイストア：pull永続的個人化，これ読んだ人は〜：Passive非個人化，関連書：Passive一時個人化，学類別ランキング：利用者間型pull非個人化 #klis_iss
2013-05-14 14:50:27