2015/10/17に開催されたRecsys2015の論文読み会で発表した資料です。Hui, Li., et al. の Overlapping Community Regularization for Rating Prediction in Social Recommender Systemsという論文を読みました。発表時間の制約上だいぶ端折っています。

1. Overlapping Community Regularization
for Rating Prediction in Social
Recommender Systems
Hui Li., et al.
リクルートテクノロジーズ
高橋 諒
1

2. Social Networkの情報を用いることで
Ratingの少ない個体のレコメンド精度を上げていきましょう
論文概要
履歴情報
Social Network
Rating Cold Start問題を克服できるはず！
2

3. 論文概要
Related work: SR model
SNでの友達も少なくてRatingも少ないやつはどうするよ？
friends
si1
si2
si3
si4
Ui
3

4. 論文概要
直接的な友達関係ではなく、コミュニティを導入することで解決しよう
zi1si1
zi1sik
Ex) 本のECサイトでターゲットユーザーはmysteryとhistoryの
グループに属している
・
・
・
・
・
・
mystery
history
zi2si1
zi2sik
コミュニティに対する
興味度合いを重み付けする
Ui
4

5. 論文概要
Proposed model: MFC model
5

6. 論文概要
Proposed model(2): MFC+ model
あるコミュニティに属している人全てがそのコミュニティらし
さを均等に表しているわけではない！
6

7. 論文概要
・
・
・
mystery
・
・
・
history
C1
C2
z11
zk1
z12
zk2
zi1
zi2
Ui
Chは各コミュニティの重み付け平均latent vector
7

8. 論文概要
Empirical Studyのまとめ
・YelpやFlixsterのデータを使用
・コミュニティに当たるデータがないので、
clique percolation methodなどを用いて作成
論文より抜粋
8

9. 9
論文概要
論文より抜粋

10. レビュー
＜新規性・独創性＞ 2/5
・Social Networkを使ってレコメンドの精度を上げるというの
は特に目新しくはない
・コミュニティへの興味度合いを取り入れ定式化したのはよい
＜有効性・重要性＞ 3/5
・論文内で著者も述べていたが、SN+コミュニティが組み込まれ
たECサイトなどのデータというのは現在多くない
・とはいえ、Social Cold Startなユーザーにも一定のレコメン
ド精度を担保できるのは非常に有効
10