Core Concepts
Turbo-CFは、高速かつ正確な推薦を実現するためのマトリクス分解不要のグラフフィルタリングに基づく協調フィルタリング手法である。
Abstract
Turbo-CFは、推薦精度を損なうことなく、高コストなマトリクス分解を回避するために、効率的な多項式グラフフィルタを活用する協調フィルタリング手法である。
まず、アイテム間類似グラフを構築する際に、ユーザー/アイテムの人気度を適切に調整する非対称正規化を行う。次に、マトリクス分解を必要とせずに、簡単な行列演算のみで実行可能な多項式グラフフィルタを設計する。具体的には、線形フィルタ、2次フィルタ、理想的低域通過フィルタの多項式近似の3種類のフィルタを提案している。
実験の結果、Turbo-CFは、ベンチマーク手法と比較して、1秒未満の高速な処理時間を達成しつつ、推薦精度も同等以上の性能を示すことが確認された。特に、大規模データセットでも高速性を維持できることが特徴である。
Stats
ユーザー数は29,858人、アイテム数は40,981個、相互作用数は1,027,370件であり、密度は0.084%である。