特徴量に基づく確率的行列分解(IBIS2010(情報論的学習理論ワークショップ))

概要

論文の詳細を見る
確率的行列分解(Probabilistic Matrix Factorization : PMF)において、行列要素とは別の、行や列に対応する特徴量を反映させる確率的行列分解回帰(Probabilistic Matrix Factorized Regression : PMFR)を提案する。あわせて、変分ベイズ推定の新たな初期化方法も提案する。PMFRはPMFと縮小ランク回帰を特別な場合として含み、ベイズ推定により両者の特性を適切に反映させることができる。推薦システムでは、PMFRは協調フィルタリング(Collaborative Filtering : CF)と内容ベースフィルタリング(Content-Based Filtering : CBF)を統合した確率モデルの一つとしても考えられる。MovieLensデータに適用した結果、デモグラフィック属性をユーザの特徴量、ジャンル属性を映画の特徴量とするPMFRは、PMFよりも高精度であり、特にコールドスタート問題に有効であることがわかった。
2010-10-28