Core Concepts
ユーザと商品の関係を表すバイパーティットグラフを分析し、ユーザ間の親和性を活用することで、推薦システムの性能を向上させる。
Abstract
本研究では、ユーザと商品の関係を表すバイパーティットグラフに対して、スペクトル共クラスタリングを適用することで、ユーザ間の親和性を抽出する手法を提案している。具体的には以下の通りである:
バイパーティットグラフに対してスペクトル共クラスタリングを適用し、ユーザと商品のクラスタを抽出する。
クラスタごとに協調フィルタリングモデルを学習し、ローカルな嗜好を捉える。
ローカルな嗜好とグローバルな嗜好を組み合わせることで、ユーザの好みをより正確に推定する。
実験では、Amazon-Book、Amazon-CDs、Amazon-Electronics、Yelp2018の4つのデータセットを用いて評価を行った。提案手法は、既存の協調フィルタリングモデルに対して、Recall@20とNDCG@20の指標で性能向上を示した。
クラスタ数の決定には、クラスタ間分散とクラスタ内分散の比率を用いる手法を提案している。これにより、データセットに応じて適切なクラスタ数を自動的に決定できる。
Stats
ユーザとアイテムの相互作用データは非常に疎であり、ほとんどのエントリが空である。
Quotes
"ユーザと商品の関係を表すバイパーティットグラフを分析し、ユーザ間の親和性を活用することで、推薦システムの性能を向上させる。"