「手順: 1."カリスマユーザ"(オーソリティ)を事前に抽出, 2.被推薦ユーザがフォローしていて番組について頻繁に書いている"関連ユーザ"を決定, 3.関連ユーザが視聴した番組の推定 (追加ハッシュタグ,キーワード,時刻), 4.推薦番組を決定。 4C-43 #dbs151
2010-11-13 16:14:16番組プロファイルはEPG情報中の単語の IDF で作る.これが特徴ベクトルになるので見た番組を足せば人のプロファイルが出る.#dbs151
2010-11-13 16:15:16関連ユーザ集合を獲得.その関連ユーザの番組のEPG情報のテキストから構築したユーザプロファイルから,それらを統合したプロファイルを作成.推薦対象の番組から作成したコンテンツモデルと比較. #dbs151
2010-11-13 16:15:55「番組は、EPG情報から語を抽出してプロファイルベクトルとし、関連ユーザの視聴履歴に基づくユーザプロファイルベクトルとの類似度で選別。視聴しないことと視聴できないことは異なるのに注意。ニュースのように慣習的になんとなく見てしまうものも。 4C-43 #dbs151
2010-11-13 16:18:08番組の希少性も利用.対象番組と同じ種類(EPG情報のジャンルを使用)の番組が少ないほど上げる. #dbs151
2010-11-13 16:18:46.o( #nhk を付けないで、番組固有のハッシュタグだけを付けているものも考慮すると、どれくら変わるのかしら。あまり変わらないかな。 4C-43 #dbs151
2010-11-13 16:21:22実験: 88.2% で番組推定OK. 実験2: hub user (>1000 followers, >50 #nhk) t検定で優位さ計算OK. 実験3: 推薦結果 ok. #dbs151
2010-11-13 16:21:37質問:内容を用いない場合と推薦結果は変わる?内容を用いようと思った理由は? 質問:NHKの視聴者には高齢者が多いが彼らはSNSを使っているの? #dbs151
2010-11-13 16:30:01質問:内容を用いない場合と推薦結果は変わる?内容を用いようと思った理由は? 質問:NHKの視聴者には高齢者が多いが彼らはSNSを使っているの? 質問:ハッシュタグは#NHKのみ使っているが,他の番組のハッシュタグを使った場合はどうなるの? #dbs151
2010-11-13 16:31:18気になる…ust見ればよかったですRT @nakamura: 文のポジティブ・ネガティブ値を考慮した名言検索手法の提案 高岡さんら(甲南大).名言は人を元気にできる!こういうモチベーションは好きだなぁ.さておき,ネガティブな名言ってなんだろう? #dbs151
2010-11-13 19:41:35#index 「情報処理学会 第151回データベース研究会 2日目 (2010/11/13)」参加メモ <http://twilog.org/nsiena/date-101113/asc > #dbs151
2010-11-13 20:19:11