Core Concepts
本研究では、ユーザー表現を一般的な特徴と特定のドメイン特徴に階層的に分離することで、クロスドメイン推薦における同定可能な共同分布を探索する。
Abstract
本研究は、クロスドメイン推薦(CDR)における同定可能な共同分布の探索を目的としている。従来のCDR手法は、ドメイン間の表現の整合性や変換ブリッジの構築に焦点を当ててきたが、ドメイン共有因子とドメイン固有因子の同定可能性に課題があった。
具体的には、本研究では以下の取り組みを行う:
特徴階層(FH)の原則に基づき、ユーザー表現を浅層部分空間と深層部分空間に分離する。浅層部分空間では一般的な特徴を、深層部分空間ではドメイン指向の特徴を表現する。
因果関係に基づくデータ生成グラフを構築し、深層部分空間の表現を、ドメイン共有の安定因子とドメイン固有の変動因子に分離する。
変動因子の変換をFlow modelを用いて学習することで、同定可能な共同分布を実現し、ドメイン間の分布シフトに対するロバスト性を高める。
これにより、従来手法では捉えきれなかったユーザー行動の一般性と特異性を適切に分離し、クロスドメイン推薦の性能向上につなげる。
Stats
ドメイン間の一般的な特徴は浅層部分空間で表現され、ドメイン指向の特徴は深層部分空間で表現される。
深層部分空間の表現は、ドメイン共有の安定因子とドメイン固有の変動因子に分離される。
変動因子の変換をFlow modelで学習することで、同定可能な共同分布を実現する。
Quotes
"本研究では、ユーザー表現を一般的な特徴と特定のドメイン特徴に階層的に分離することで、クロスドメイン推薦における同定可能な共同分布を探索する。"
"従来のCDR手法は、ドメイン間の表現の整合性や変換ブリッジの構築に焦点を当ててきたが、ドメイン共有因子とドメイン固有因子の同定可能性に課題があった。"
"変動因子の変換をFlow modelを用いて学習することで、同定可能な共同分布を実現し、ドメイン間の分布シフトに対するロバスト性を高める。"