ABCPRec：何を創作したかという情報がコンテンツの消費時に
反映されるユーザ生成コンテンツ推薦手法
ユーザ生成コンテンツ(UGC)の特徴とは？
どうやってUGCをユーザに推薦する？
消費者ベクトルと創作者ベクトルの求め方は？
実験結果は？
非UGC：ユーザ ＝ 消費者 UGC：ユーザ ＝ 消費者 + 創作者
𝝂𝝂𝑢𝑢
𝑝𝑝
各ユーザは消費者と創作者の
それぞれに対応する二つのベ
クトルを持つ
𝝂𝝂𝑢𝑢
𝑐𝑐
𝑢𝑢 ?
𝑖𝑖
𝝂𝝂𝑢𝑢
𝑐𝑐
= �𝑥𝑥𝑢𝑢𝑢𝑢 = 𝛼𝛼 + 𝛽𝛽𝑢𝑢 + 𝛽𝛽𝑖𝑖 + 𝝂𝝂𝑢𝑢
𝑐𝑐
, 𝜸𝜸𝑖𝑖 + 𝝂𝝂𝑢𝑢
𝑐𝑐
, 𝝂𝝂𝑝𝑝𝑖𝑖
𝑝𝑝
?
where 𝝂𝝂𝑢𝑢
𝑐𝑐
, 𝜸𝜸𝑖𝑖
𝑝𝑝
：ユーザ𝑢𝑢 と コンテンツ𝑖𝑖 の相性
where 𝝂𝝂𝑢𝑢
𝑐𝑐
, 𝝂𝝂𝑝𝑝𝑖𝑖
𝑝𝑝
：ユーザ𝑢𝑢 と コンテンツ𝑖𝑖の創作者𝑝𝑝𝑖𝑖 の相性
𝜸𝜸𝒊𝒊 𝝂𝝂𝑢𝑢
𝑝𝑝
𝑝𝑝𝑖𝑖
𝒖𝒖の消費コンテンツ
𝝂𝝂𝑢𝑢
𝑐𝑐
𝝂𝝂𝑢𝑢
𝑝𝑝
𝒖𝒖の創作コンテンツ
消費 消費
推薦対象ユーザ 𝑢𝑢
消費 消費
推薦対象ユーザ 𝑢𝑢
𝝂𝝂𝑢𝑢
𝑐𝑐
𝝂𝝂𝑢𝑢
𝑝𝑝
 仮定：ユーザ𝒖𝒖の消費者としての性質と創作者としての性質が類似していれば𝝂𝝂𝑢𝑢
𝑐𝑐
と𝝂𝝂𝑢𝑢
𝑝𝑝
は近づくべき
 𝒖𝒖の消費コンテンツを消費したユーザと𝒖𝒖の創作コンテンツを消費したユーザの重複から類似度を計算
重複が大きければ𝝂𝝂𝑢𝑢
𝑐𝑐
と𝝂𝝂𝑢𝑢
𝑝𝑝
が近づくように学習 重複が小さければ𝝂𝝂𝑢𝑢
𝑐𝑐
と𝝂𝝂𝑢𝑢
𝑝𝑝
が近づかないように学習
𝑲𝑲 PopRec BPR Vista FMs CPRec NBCPRec ABCPRecH1 ABCPRecH2
Flickr
20 0.6737 0.8698 0.8436 0.8764 0.8563 0.8839 0.8861 0.8900
50 0.6737 0.8772 0.8435 0.8822 0.8664 0.8937 0.8949 0.8992
80 0.6737 0.8777 0.8394 0.8810 0.8712 0.8955 0.8988 0.9028
Reddit
20 0.6392 0.8713 0.8829 0.8960 0.9138 0.9209 0.9296 0.9340
50 0.6392 0.8721 0.8918 0.8999 0.9201 0.9302 0.9346 0.9391
80 0.6392 0.8709 0.8946 0.9001 0.9211 0.9322 0.9376 0.9408
 CPRec：RecSys’18で提案されたUGC推薦におけるstate-of-the-art手法
 ABCPRecH1/ABCPRecH2は𝒖𝒖の消費コンテンツ/創作コンテンツの消費ユーザに焦点を当てた手法
 AUCの観点からABCPRecの推薦精度はCPRecの推薦精度を有意に上回った
ユーザ・コンテンツ行列
𝒖𝒖の消費コンテンツ 𝒖𝒖の創作コンテンツ
UGCとはプロのクリエータ
ではない一般の人々が創作
し、主にWeb上で公開され
るコンテンツ
産業技術総合研究所 佃 洸摂WebDB Forum 2019 先端研究解説セッション
消
創
消
消
創
消消 創
創
消
創
創
消

photo by Emma
photo by CetusPhotography
photo by cuatrok77
photo by Bryan Ochalla
photo by Laura D'Alessandro
photo by panli54
photo by K-nekoTR
photo by Tambako The Jaguar
photo by ClieistD
photo by ClieistD
photo by localpups