リアルタイムなレコメンデーションに向けた半教師ありLatent Dirichlet Allocationによるトピック抽出法(機械学習一般とその応用)

概要

論文の詳細を見る
web上でのユーザ行動情報からユーザの関心を分析する技術として,教師なし学習である確率的トピックモデルが注目されている.特に,Latent Dirichlet Allocation(LDA)が代表的な手法として挙げられるが,対象ユーザが大規模化した時に,ユーザ行動情報の分析に時間がかかるため,ニュースのようなリアルタイム性の求められるレコメンデーションがおこなえないことが懸念される.本研究では,外部情報を用いたweb上でのユーザ行動情報に対するトピックのラベル付けや,ユーザが連続して閲覧したドキュメントのトピックに対する相関性の仮定を導入したLDAモデルとして,トピックのマルコフ性を仮定した半教師ありLDAモデルを提案する.シミュレーション結果から,提案手法を用いることによって,通常のLDAモデルにおけるパラメータの推論と比べて1/10程度のイテレーション数で,テストセットパープレキシティを同等の値まで削減させられることを確認する.また,教師データを導入することにより,狙ったトピックを抽出できる効果があることについても示す.
2012-06-12