[4Xin1] ポスターセッション2

[4Xin1-33] コールドスタート問題に対処した推薦アルゴリズムの一律な評価

〇島津 翔¹ (1.日本総合研究所)

キーワード：推薦システム、コールドスタート問題

コールドスタート問題は、推薦システムにおいて行動履歴が十分に蓄積されていない対象への推薦精度が低下する問題である。古典的な推薦アルゴリズムはコールドスタート問題への対処が困難とされており、コールドスタート問題の発生を前提とした手法の研究が進められている。近年では、自己教師あり学習やメタ学習に基づくコールドスタート問題向け推薦アルゴリズムが提案されている。一方、それらの手法は評価方法が互いに異なる場合が多く、各手法のコールドスタート問題に対する有効性を画一的に評価した研究も少ない。本稿では、代表的な古典的推薦アルゴリズムのMatrix Factorization（以下、MFと呼ぶ）とコールドスタート問題向けの複数の推薦アルゴリズムを一律の条件・設定で評価することで、コールドスタート問題向け手法の有効性について整理する。実験の結果、対象としたコールドスタート問題向け手法は1つ以上の評価観点でMFを上回った一方、問題設定や評価方法によってはMFを下回る場合もあることを確認した。