抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
推薦システムは,ユーザとアイテム表現を学習することによりユーザに新しいアイテムを推薦することを目的とする。実際に,これらの表現は,ユーザの関心,ユーザ適合性のような交絡因子に沿った項目属性,およびアイテムの人気を含む,複数の因子に関する情報から成るので,高度に絡み合っている。ユーザ選好を推論するためのこれらのもつれ表現を考慮することは,偏った推薦(例えば,推薦者モデルがユーザの興味と並んでいないとしても,ポピュラーなアイテムを推薦する時)に導くかもしれない。最近の研究は,因果的展望から推薦者システムをモデル化することによって,デバイアスすることを提案する。曝露と評価は,原因推論フレームワークにおける治療と結果に類似していた。この設定における重大な課題は隠れ交絡因子を説明する。これらの交絡因子は観察されず,それらを測定することを困難にする。一方,これらの交絡因子は曝露と評価の両方に影響するので,偏った推奨を生成する際にそれらを説明することが重要である。隠れ交絡因子をよりよく近似するために,ネットワーク情報(即ち,ユーザ-社会的およびユーザ-項目ネットワーク)を活用することを提案し,ユーザがアイテムとどのように発見し,相互作用するかに影響を与えることを示した。ユーザ適合性とは別に,ネットワーク情報に存在するアイテム人気のような交絡の側面も,(a)ユーザへの項目の曝露のモデリング,(b)評価の予測,および(c)隠れ交絡因子の制御に責任がある独立因子に学習された表現を解ける,因果的表現の援助により,著者らの方法で捉えられる。実世界データセットに関する実験は,推薦者システムに対する提案モデルの有効性を検証した。【JST・京大機械翻訳】
