講演情報
[1F-02]時系列情報の不確かさを考慮した深層Input-Output隠れマルコフモデルによるコールドスタート問題向け推薦モデル
*島津 翔1、田中 俊太郎1 (1. 株式会社日本総合研究所)
発表者区分:一般
論文種別:ロングペーパー
インタラクティブ発表:あり
論文種別:ロングペーパー
インタラクティブ発表:あり
キーワード:
推薦システム、コールドスタート問題、隠れマルコフモデル
コールドスタート問題は,推薦システムにおいてデータ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り,幅広い分野で解決が求められている.これまでに,データの不確かさや時系列を考慮したコールドスタート問題向け手法が研究されてきたが,時系列情報に対して不確かさを考慮する手法は研究されてこなかった.本稿では,ニューラルネットワークで構成された確率モデルの深層Input-Output隠れマルコフモデルを用い,時系列情報の不確かさを考慮するコールドスタート問題向け推薦モデルを提案する.実験より,提案手法はコールドスタート問題に対処した最先端の推薦モデルと比較して,推薦精度が改善することを示す.また,アブレーションスタディや感度分析を通して,提案手法の構成要素や損失関数の有効性を検証する.