[4Xin2] ポスターセッション2

[4Xin2-44] Graph masked autoencoderを用いた知識グラフ推論に基づく説明可能性のある推薦に関する検討

〇櫻井 慶悟¹、藤後 廉¹、小川 貴弘¹、長谷山 美紀¹ (1.北海道大学)

キーワード：推薦システム、知識グラフ

推薦システムの分野において，アイテムの推薦理由を提供することを目的とした説明可能な推薦は重要な研究課題である．説明可能な推薦を実現するためのアプローチとして，ユーザのインタラクション情報等に基づき構築された知識グラフ上を推論することにより，知識グラフ上のパスを推薦理由として提示する手法が提案されている．しかしながら，これらの手法は，知識グラフ埋め込み手法により得られた特徴量のみに基づいて推論を行っているため，潜在因子モデルや深層学習モデルに基づく手法と比較し，推薦精度が低くなることが報告されている．近年，グラフから有用な特徴量を獲得するための手法としてmasked modelingを活用したGraph Masked Autoencoderが提案されており，ユーザのインタラクション情報を含む異種グラフに適用することにでより高度なユーザの嗜好の把握可能になると期待される．そこで本論文では，Graph Masked Autoencoderより得られる特徴量を用いた知識グラフ推論に基づく説明可能推薦手法を提案する．実社会データセットを用いた実験により，提案手法の有効性が確認された．