推薦システムにおける一般化線形モデルの応用 : 主効果モデルによる評価得点推定(IBIS2010(情報論的学習理論ワークショップ))
スポンサーリンク
概要
- 論文の詳細を見る
協調フィルタリングの考え方は推薦システムにおいて広く用いられる一方で,ユーザ数やオブジェクト数の大規模化,及び実際に得ることができる評価の相対的な数の少なさなどが過学習の観点から問題視され,実装に際していくつかの議論が行われている.特に評価得点のパラメトリック回帰の観点からは,大規模な問題に対して少ないデータから評価得点の推定を行う必要があるため,モデリングに際してパラメタ数をいかに節約し,汎化誤差を減らすかという視点が重要となる.本稿では大規模な問題に対して比較的少ないパラメタ数で記述可能な単純な主効果モデルに着目し,これを一般化線形モデルのリンク関数の観点から拡張することを行う.このような単純なモデルであっても適切なリンク関数を導入することで,多数のパラメタを用いた交互作用表現とは異なる観点からのユーザ,オブジェクト間の特殊な依存関係の表現が可能となる.ここでは,この考え方の有効性を確認するために, 1つのパラメタで記述されるようなリンク関数を導入し,それを変化させることでユーザ,オブジェクト間の弱い特殊な非線形性や依存性などの表現を試み,主効果モデルにおける評価得点行列の推定精度の改善が可能となることを実験的に示す.
- 2010-10-28
著者
関連論文
- 推薦システムにおける一般化線形モデルの応用 : 主効果モデルによる評価得点推定(IBIS2010(情報論的学習理論ワークショップ))
- Wu,L.,Jin,R.,Hoi,S.C.H.and Yu,N.:Learning Bregman distance functions and its application for semi-supervised clustering,Advances in Neural Information Processing Systems,Vol.22,pp.2089-2097(2009)(凸関数によって記述される多次元データ間の距離構造を学習する)
- 推薦システムにおける一般化線形モデルの応用主効果モデルによる評価得点推定