講演情報
[4F-01]クロスドメイン推薦の汎用性向上に向けたメタ学習の有効性の検証
*栗巣野 陽太1、戸田 浩之1 (1. 横浜市立大学データサイエンス学部)
発表者区分：学生
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：
クロスドメイン推薦、メタ学習、レビュー
近年，クロスドメイン推薦はデータ不足やコールドスタート問題の解決策として注目されている．しかし，従来の手法では，ソースドメインとターゲットドメインの組み合わせによって推薦精度が大きく変動し，新たなシナリオへの適応が難しいという課題がある．本研究では，メタ学習を活用し，異なるクロスドメインシナリオ間で知識を統合する手法を提案する．具体的には，ユーザによる商品のレビューテキストを用いてそれぞれ特徴ベクトルを生成し，メタ学習を通じて迅速に適応可能なモデルを学習する．実験では，単一シナリオモデルおよび単純統合学習モデルと比較し，MAEを指標とした評価を行った．その結果，単一シナリオモデルよりも有意に低い誤差を達成し，迅速な適応が推薦精度の向上に寄与することが確認された．一方で，単純統合学習モデルとの比較では統計的な有意差は見られなかったものの，同等以上の推薦精度を示す可能性が示唆された．本研究の成果は，クロスドメイン推薦における汎用性の向上に貢献すると考えられる．