文献

J-GLOBAL ID：201702248631950461   整理番号：17A0799965

潜在トピックを利用した協調フィルタリングにおけるトピック情報源の違いに関する調査

Examination on Recommendation Performance of Information Source on Collaborative Filtering Using Latent Topics

著者 (3件)： 西村章宏 (大阪大 大学院基礎工学研究科) ,  土方嘉徳 (関西学院大 商) ,  酒田信親 (大阪大 大学院基礎工学研究科)
資料名： 情報処理学会論文誌ジャーナル(Web)
巻： 58  号： 5  ページ： 1102-1112 (WEB ONLY)  発行年： 2017年05月15日 
JST資料番号： U0452A  ISSN： 1882-7764  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 情報推薦の一手法として協調フィルタリング(CF)がよく知られているが,このCFの中でもMatrix Factorization(MF)は,評価値の欠損が多い現実のデータセットに対して優れた結果を出していることで有名である。ただし,MFは評価値の欠損に強いものの,評価値が極端に少ない場合には適用することが困難である。この問題に対して,評価値だけでなくテキスト情報も利用したCollaborative Topic Regression(CTR)というモデルが近年注目されている。CTRでは,トピックを抽出する情報源として,アイテムに関するテキスト情報を用いている。しかし,ユーザに関するテキスト情報を用いた場合の評価は行われてこなかった。本研究ではCTRにおいて,アイテムに関するテキスト情報を用いた場合と,ユーザに関するテキスト情報を用いた場合で,推薦の性能にどれだけの違いがあるのかを調査する。この両者とベースラインであるMFに対して推薦結果の正確性(再現率)と利便性(被覆率・多様性)に関して定量的な比較を行う。実験の結果,ユーザに関するテキスト情報を用いた場合は正確性の高い推薦が実現でき,アイテムに関するテキスト情報を用いた場合は利便性の高い推薦が実現できることが分かった。(著者抄録)

シソーラス用語： 主題 ,  *情報収集 ,  情報源 ,  *情報システム ,  *確率モデル ,  因数分解 ,  近似法 ,  回帰モデル ,  文書 ,  比較
準シソーラス用語： トピック ,  *協調フィルタリング ,  *情報推薦システム ,  *トピックモデル ,  行列分解 ,  ファクトリゼーション ,  LDA

分類 (2件)： 検索技術  (AC06020S) ,  情報源  (AC03000B)

引用文献 (31件)：

• 土方嘉徳:嗜好抽出と情報推薦技術,情報処理学会誌, Vol.48, No.9, pp.957-965 (2007).
• Koren, Y., Bell, R. and Volinsky, C.: Matrix Factorization Techniques for Recommender Systems, Computer, Vol.42, No.8, pp.30-37 (2009).
• Koren, Y.: Factorization Meets the Neighborhood: A Multifaceted Collaborative Filtering Model, Proc. KDD, pp.426-434 (2008).
• Paterek, A.: Improving Regularized Singular Value Decomposition for Collaborative Filtering, Proc. ACM SIGKDD Cup and mWorkshop (2007).
• Schein, A.I., Popescul, A., Ungar, L.H., Pennock, D.M.: Methods and Metrics for Cold-Start Recommendations, Proc. ACM SIGIR, pp.253-260 (2002).

タイトルに関連する用語 (4件)： トピック ,  協調フィルタリング ,  情報源 ,  調査