RecSys 2018のペーパーを読んでいく(14) ... レコメンドからRating を予測するニューラル混合ガウスモデルをつくった話

2019/04 、RecSys 2018の論文をひたすら読みます。ルール。

• 1日ひとつ
• 読み終わらなくてもOK
• 理解と疑問点を毎日まとめる

全然1日ひとつ読めていませんが、まずは全部読んでから考える。ビデオついたりついてなかったりする。今回はテキストしかない。次はNeural Gaussian Mixture Model for Review-based Rating Prediction

Abstract:

• レビュー文のテキストは、ユーザの特徴・好み・アイテムの特徴などさまざまな情報が含まれているので、推薦システムに活用したい
• ただ、この自然言語からユーザ・アイテムのそれぞれの特徴を抽出し推薦システムに活用するのはなかなか難しい
• この論文では Neural Gaussian Mixture Model を提案する

ざっくり：

• レビューの文からトピックモデルでアイテムやユーザの潜在的な特徴を抽出する手法は先行研究でもある
• トピックモデルはBag of Words、潜在的な特徴をDL、word2vec みたいな低次元の分散表現にしてMF / FM につっこむ方法もいっぱいある
• 対して、Rating は アイテムとユーザの組み合わせ。ユーザによってアイテムのどこを評価するかが違うので
• なので、今回、ユーザとアイテムを低次元な分散表現に変換した上で、混合ガウスモデルでRating を学習した
• 評価指標はMSE = Mean Squared Error

感想

• そろそろなにも考えずに分散表現に突っ込むとか試してもいいのかもしれない