21. Recommender Systems 1
• Neural Collaborative Filtering
• 協調フィルタリングの内積部分をニューラル機構に置き換えた。ニューラルの層を
深くすると推薦のパフォーマンスが上がることを実験にて確認した。
• Learning to Recommend Accurate and Diverse Items
• 多様性のある推薦を教師あり学習で行う研究。行列分解と構 学習で一対となる
最適化問題として定義している。
• Collaborative Metric Learning
• ユーザと商品を同じ次元に写像することを考える。あるユーザと、ある商品の距離
を学習するという(距離)計量学習を提案した。
• Beyond Globally Optimal: Focused Learning for Improved Recommendations
• (訓練データセットで)大域的な予測を改善するようにモデルのパラメータを最適化
すると、ユーザ×商品で見た場合に(局所的には)最適になっていないことを実験
的、理論的に示した。特定のユーザ×商品の部分集合に関して推薦の質が改善さ
れるような学習方法LLORMAを提案した。
22. Recommender Systems 2
• Fairness in Package-to-Group Recommendations
• ユーザグループに対して複数の商品(パッケージ)を薦める方法について。Fairnessが
最大となるようにパッケージを推薦する問題のいくつかのバリエーションについてア
ルゴリズムを考察している。
• Streaming Recommender Systems
• ストリーミング(データに時間順序・連続性がある)での推薦システム。ユーザ/トピック
の生成、および、ユーザの関心の移り変わりを確率過程でモデル化している。
• What Your Images Reveal: Exploiting Visual Contents for Point-of-Interest
Recommendation
• POI(興味のあると思われる場所)の推薦。視覚的コンテンツ(visual content)を用いて
推薦性能を向上させるフレームワークを提案した。
• A General Model for Out-of-town Region Recommendation
• 旅行で新しい街や国に訪れたユーザに対しての区画(region)の推薦。旅行者の滞在
時間が限られているので、(バラバラの)地点を推薦するのではなく区画で推薦する。
ユーザの移動履歴に基づいてスコアリング。