個別介入効果を評価する商品推薦モデルに関する考察

抄録

各顧客の嗜好に合致した商品を提示する推薦モデルの1つに，各ユーザに対して購買確率の高いアイテムを推薦する協調フィルタリングがある．しかし，購買確率が高いアイテムの中には，定期的に購買されるアイテムなど推薦する必要性が低いアイテムが存在している．そのため，推薦効果が高いアイテムを特定することが推薦システムの課題の一つとなっている．推薦効果は，アイテムの推薦を介入とみなすことで，因果推論における介入効果と捉えることができる．ここで，個別のユーザの介入効果を推定するモデルとしてCounterFactual Regression(CFR)が知られている．しかし，このモデルは１種類の介入しか扱えないため，介入である推薦アイテムが多数存在する推薦システムに適用することは難しい．そこで本研究では，ユーザの特徴量とアイテムの特徴量を結合してユーザとアイテムのペアの共変量とすることで，単一のCFRで複数の介入における個別介入効果を推定できるように拡張する．これにより，全てのユーザとアイテムのペアの推薦効果を個別に推定することが可能になる．最後に，人工データを用いた実験により提案手法の有効性を示す．