Core Concepts
ハイパーボリック空間への埋め込みと階層認識ドメイン分離を組み合わせることで、ドメイン間の知識移転を効果的に行うことができる。
Abstract
本論文では、レビューテキストを活用したクロスドメインレコメンデーションの手法を提案している。従来のユークリッド空間での表現学習では、ユーザ-アイテムの相互作用の階層構造を適切にモデル化できないという課題があった。そこで本手法では、ハイパーボリック空間への埋め込みを行い、さらに階層構造を保持するための工夫を施している。
具体的には以下の2つの手法を提案している:
階層認識ハイパーボリック埋め込み: ノードの次数に応じて埋め込み位置を調整し、高次数ノードを中心に、低次数ノードを境界に配置することで、階層構造を保持する。
階層認識ドメイン分離: ドメイン判別器への入力特徴量の大きさを正規化することで、ドメイン固有特徴量とドメイン共有特徴量の分離を安定化させる。
これらの手法により、ハイパーボリック空間での表現学習とドメイン間の知識移転を両立できる。実験の結果、提案手法が既存手法に比べて優れた性能を示すことが確認された。
Stats
ユーザ数が最大の1,219,520人のClothingドメインと、最小の3,818人のLuxury Beautyドメインの差は約320倍である。
アイテム数が最大の376,858個のClothingドメインと、最小の85個のAll Beautyドメインの差は約4,440倍である。
レビュー数が最大の11,285,464件のClothingドメインと、最小の5,269件のAll Beautyドメインの差は約2,140倍である。
Quotes
"ハイパーボリック空間への埋め込みは、ユーザ-アイテムの相互作用の階層構造をより適切にモデル化できる。"
"階層認識ドメイン分離により、ドメイン固有特徴量とドメイン共有特徴量の分離が安定化する。"