線形回帰による推薦の透明性を有したモデルベース協調フィルタリング

藤井流華; 岡本一志

文献

J-GLOBAL ID：202002246476446136 整理番号：20A0701138

線形回帰による推薦の透明性を有したモデルベース協調フィルタリング

Model-based Collaborative Filtering with Transparency using Linear Regression

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0701138&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0701138&from=J-GLOBAL&jstjournalNo=U0128A") }}

著者 (2件)： ,
資料名：
巻： 35 号： 1 ページ： D-J61_1-10(J-STAGE) 発行年： 2020年
JST資料番号： U0128A ISSN： 1346-8030 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)

線形回帰を用いた透明性を有する協調フィルタリング手法を提案した。本研究では,どのようにスコアが計算されるかをユーザが知ることができる役割として,透明性を仮定した。提案した線形回帰モデルは,ユーザに対して回帰係数を提示する。本研究は,回帰係数を推定するための正則化と次元縮小の適用を評価し,予測精度,計算時間を分析するスコア予測実験を実施し,協調フィルタリングのための5個のベンチマークデータセットを用いて回帰係数を得た。実験結果によって,L2正則化による提案の線形回帰モデルは,回帰係数のために考察した9つの推定方法の中で,最良の予測精度を達成した。さらに,その予測精度は,Factorization Machineと同レベルである。提案した線形回帰モデルの学習時間は,Factorization Machineより24.9~1584倍速かった。回帰係数の解析において,回帰係数値における多様性が,回帰なしとL2回帰ケースにおいて見られ,これは学習されたモデルを個人化でき可能性を示唆する。(翻訳著者抄録)

, , , , , , ,
, , ,

著者キーワード (8件)： , , , , , , ,

その他の情報処理 , システム・制御理論一般

引用文献 (27件)：

[Abdollahi 17] Abdollahi, B. and Nasraoui, O.: Using Explainability for Constrained Matrix Factorization, in Proceedings of the 11th ACM Conference on Recommender Systems, pp. 79-83 (2017)
[Achlioptas 03] Achlioptas, D.: Database-Friendly Random Projections: Johnson-Lindenstrauss with Binary Coins, Journal of Computer and System Sciences, Vol. 66, No. 4, pp. 671-687 (2003)
[Berry 07] Berry, M. W., et al.: Algorithms and Applications for Approximate Nonnegative Matrix Factorization, Computational Statistics and Data Analysis, Vol. 52, No. 1, pp. 155-173 (2007)
[Bilgic 05] Bilgic, M.: Explaining Recommendations: Satisfaction vs. Promotion, in Proceedings of Beyond Personalization 2005: A Workshop on the Next Stage of Recommender Systems Research, 2005 International Conference on Intelligent User Interfaces, pp. 13-18 (2005)
[Breese 98] Breese, J. S., Heckerman, D., and Kadie, C.: Empirical Analysis of Predictive Algorithms for Collaborative Filtering, in Proceedings of the 14th Conference on Uncertainty in Artificial Intelligence, pp. 43-52 (1998)

, , , ,

前のページに戻る