[2Q5-J-2] 機械学習: 先端モデルの展開

[2Q5-J-2-02] 変分ニューラルネットワークによる推薦システムの構築

〇大槻 知貴¹、菅谷 信介¹、大西 佑紀 ^1,2 (1. 株式会社ビズリーチ 、2. Purdue University)

キーワード：変分推論、ニューラルネットワーク、組み合わせ最適化

推薦システムを構築する際には、行動ログからユーザおよびアイテムの潜在的な特徴を推測する(協調フィルタリング)と同時に、それらの既知の属性を考慮に入れることが不可欠である。2つの両極端なアプローチ間を自然に補間するため、特に行列分解を拡張する形で、多数のモデルが提案されてきた。本研究では、深層学習技術と高確率的プログラミングソフトウェアの近年の発展に基づいて、非常にシンプルかつ簡潔な実装でありながら、柔軟かつ過学習に対して頑健な(非行列分解型の)モデルを提案し、実サービスのデータに対して性能を評価する。また、提案モデルの予測値と組み合わせ最適化問題を用いて作成された配信計画を実サービスに対して適用し、特定の指標に有意な改善が見られることを示す。