投稿日:2017/06/02 更新日: その他 論文紹介

【論文紹介】Content-boosted matrix factorization for recommender systems: experiments with recipe recommendation

Forbes, Peter and Zhu, Mu
RecSys 2011
Link

概要

ユーザのアイテムに対するレーティングを予測する際に、アイテムの構成要素を考慮した、Matrix Factorization(MF)ベースのモデルを提案した論文。たとえば「レシピ」というアイテムであれば、構成要素として「食材」が考えられる。

手法

レシピに対するユーザのレーティング予測を例に説明する。
通常のMFであれば、行がユーザ、列がレシピ、要素がレーティング、の行列を、ユーザの潜在ベクトルから成る行列Uと、レシピの潜在ベクトルから成る行列Rに分解する。提案モデルでは行列Uはそのままで、行列Rをさらに構成要素を考慮したものに分解する。一言で言うと、レシピ毎に潜在ベクトルを求める変わりに、食材毎の潜在ベクトルを求める。
もう少し具体的には、レシピを行、食材を列、食材の使用の有無をバイナリ値として持つ行列をX、食材の潜在ベクトルから成る行列をΦとすると、R=XΦという関係になる。通常のMFのRをXΦに置き換えてSGD適用。

評価

レシピデータを使用して、食材を考慮しない通常のMFとの精度をRMSEで比較。提案モデルが上回ることを示した。
また、提案モデルを使うことで食材間の類似度も測れるようになるので(食材の潜在ベクトルのコサイン類似度)、類似度の高かった食材のペアを定性的に評価。


-その他, 論文紹介
-,

関連記事

Lessons from the Journey: A Query Log Analysis of Within-Session Learning

Carsten Eickhoff Jaime Teevan Ryen White Susan T. Dumais In Proc. of WSDM 2014 概要 ユーザの検索トピックに対する専門度は …

Time-critical search

Mishra, Nina and White, Ryen W. and Ieong, Samuel and Horvitz, Eric In Proc. of SIGIR 2014 概要 一緒にいる人 …

Learning from the Past: Answering New Questions with Past Answers

A. Shtok, G. Dror, Y. Maarek, and I. Szpektor In Proc. of WWW 2012 http://dl.acm.org/citation.cfm?id …

From x-rays to silly putty via Uranus: serendipity and its role in web search

Paul André Jaime Teevan Susan T. Dumais In Proc. of CHI 2009 http://dl.acm.org/citation.cfm?id=15187 …

Spatio-temporal Dynamics of Online Memes: A Study of Geo-tagged Tweets

Kamath, Krishna Y. Caverlee, James Lee, Kyumin Cheng, Zhiyuan In Proc. of WWW 2013 http://dl.acm.org …