Contextual Preference Collaborative Measure Framework Based on Belief System

要約

優先測定測定プロセスへの人間の介入を減らすために、この記事では、更新された信念システムに基づいた優先コラボレーション測定フレームワークを提案します。これはまた、最新の信念システムに基づいて優先協力測定フレームワークを提案します。これはまた、好みの測定アルゴリズムアルゴリズムの精度と効率を改善することもできます。まず、ルールの距離とルールの平均的な距離とルールセットの平均内部距離と、ルールセットの間に関係を明確に指定するためにルールセットの平均距離が提案されています。
ルールセットの平均内部距離、PRAアルゴリズムに基づくアルゴリズムが提案されています。これは、最小情報損失率で発見プロセスを完了することを目的としています。Furthermore、共通の信念の概念は信念体系を更新するために提案されています。
2種類（一般化またはパーソナライズされた）、そして最終的には、信念の学位と偏差の程度に依存してTop-Kの興味深いルールをフィルタリングします。
信念度としての相関係数。実験では、提案されたアルゴリズムは2つの最先端のアルゴリズムと比較され、結果はほとんどの側面でIMCOSとIMCOVが他の2つよりも優れていることを示しています。

要約(オリジナル)

To reduce the human intervention in the preference measure process,this article proposes a preference collaborative measure framework based on an updated belief system,which is also capable of improving the accuracy and efficiency of preferen-ce measure algorithms.Firstly,the distance of rules and the average internal distance of rulesets are proposed for specifying the relationship between the rules.For discovering the most representative preferences that are common in all users,namely common preference,a algorithm based on average internal distance of ruleset,PRA algorithm,is proposed,which aims to finish the discoveryprocess with minimum information loss rate.Furthermore,the concept of Common belief is proposed to update the belief system,and the common preferences are the evidences of updated belief system.Then,under the belief system,the proposed belief degree and deviation degree are used to determine whether a rule confirms the belief system or not and classify the preference rules into two kinds(generalized or personalized),and eventually filters out Top-K interesting rules relying on belief degree and deviation degree.Based on above,a scalable interestingness calculation framework that can apply various formulas is proposed for accurately calculating interestingness in different conditions.At last,IMCos algorithm and IMCov algorithm are proposed as exemplars to verify the accuracy and efficiency of the framework by using weighted cosine similarity and correlation coefficients as belief degree.In experiments,the proposed algorithms are compared to two state-of-the-art algorithms and the results show that IMCos and IMCov outperform than the other two in most aspects.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google