人工知能学会

推薦システムは 5 段階評価値のようなユーザーと対象間の関係を示すデータや対象間類似度を用いてユーザーと対象にベクトルを割り当てる．そして，未知の対象へのユーザーの嗜好性をその対象とユーザー間の距離に基づき予測する．対象間類似度には様々な種類が存在し，それらを深層ニューラルネットを用いて特徴量に変換した後に混合し，推薦システムの性能を向上させた既存研究が存在する．しかし，深層ニューラルネットの機構は複雑なため，各ユーザーが重視する類似度の分析が難しい．本研究では類似度の混合に対象のベクトルの混合を直接対応させつつ，各ユーザーに対し類似度の混合比の予測と対象のベクトルを計算するモデルを提案する．加えて，解釈可能な混合が精度を向上させることを実験的に示す．