講演抄録/キーワード |
講演名 |
2010-11-05 15:30
[ポスター講演]特徴量に基づく確率的行列分解 ○関野正志(ソニー) IBISML2010-87 |
抄録 |
(和) |
確率的行列分解(Probabilistic Matrix Factorization:PMF)において、行列要素とは別の、行や列に対応する特徴量を反映させる確率的行列分解回帰(Probabilistic Matrix Factorized Regression:PMFR)を提案する。あわせて、変分ベイズ推定の新たな初期化方法も提案する。PMFR はPMF と縮小ランク回帰を特別な場合として含み、ベイズ推定により両者の特性を適切に反映させることができる。推薦システムでは、PMFR は協調フィルタリング(Collaborative Filtering:CF)と内容ベースフィルタリング(Content-Based Filtering:CBF)を統合した確率モデルの一つとしても考えられる。MovieLens データに適用した結果、デモグラフィック属性をユーザの特徴量、ジャンル属性を映画の特徴量とするPMFR は、PMF よりも高精度であり、特にコールドスタート問題に有効であることがわかった。 |
(英) |
We propose Probabilistic Matrix Factorized Regression (PMFR) which enables Probabilistic Matrix Factorization (PMF) to use features which characterize rows and columns. We also propose a new technique for initializing the variational posterior distribution. PMFR includes PMF and Reduced Rank Regression as special cases, and reflects their characteristics in the matrix factorization appropriately via Bayesian estimation. In recommendation systems, PMFR can be considered as one of the probabilistic model unifying Collaborative Filtering and Content-Based Filtering. Applying to MovieLens dataset, we confirmed that PMFR using demographic attributes for user features and genre attributes for movie features has more accuracy than PMF, and especially, PMFR is effective for cold-start problems. |
キーワード |
(和) |
確率的行列分解 / 縮小ランク回帰 / 協調フィルタリング / 内容ベースフィルタリング / コールドスタート問題 / / / |
(英) |
Probabilistic Matrix Factorization / Reduced Rank Regression / Collaborative Filtering / Content-Based Filtering / Cold Start Problem / / / |
文献情報 |
信学技報, vol. 110, no. 265, IBISML2010-87, pp. 203-210, 2010年11月. |
資料番号 |
IBISML2010-87 |
発行日 |
2010-10-28 (IBISML) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
IBISML2010-87 |