[4O2-J-2] 機械学習: ユーザ満足の向上

[4O2-J-2-04] 被評価数を考慮した重み付き最小二乗法によるEM-NMFアンサンブル手法

〇大堀 祐一¹、山下 遥²、後藤 正幸¹ (1. 早稲田大学、2. 上智大学)

キーワード：行列分解、推薦システム、アンサンブル、協調フィルタリング

近年，情報技術の発展から，推薦システムの重要性が高まってきている．その推薦システムの一つに，評価値予測を用いた協調フィルタリングがある．

本研究では協調フィルタリングの一つである，行列分解に基づく手法であるEM-NMFに着目する．ここで，一般的な評価値はアイテムごとの被評価件数に偏りがある．そのため，EM-NMFは被評価件数の多いアイテムが重点的に学習され，被評価件数の少ないアイテムに対する予測精度が低くなってしまう．

そこで本研究では，被評価件数の多いアイテムと少ないアイテムのそれぞれを重視して学習するEMNMFから得られた二つの予測評価値の行列と，通常のENMMFから得られた予測評価値の行列をアンサンブルする手法を提案し，予測精度の向上を目指す．