ユーザーの選好(好き・嫌いの度合い)を可視化することは、推薦システムとユーザー双方にとって重要である。 システムにとっては推薦根拠を示すことが、ユーザーにとっては自身の選好について理解を深めつつ、納得した意思決定が可能になる。 高次元なアイテム空間上の選好を可視化するために、GPLVM, t-SNE, PCA などの次元削減手法がよく用いられる。しかしながら、これらの手法は識別的ではないため、ユーザーの選好を出力する低次元潜在空間に積極的に反映するとは限らない。さらに、アイテムは多くの離散特徴量を保持するが、入力として連続変数を想定している。 本研究では、1) モデルの識別性、2) 離散特徴量への対応、を主な課題とし、これらに対応した識別的な離散ベイズガウス過程潜在変数モデルを提案する。このモデルは二値特徴量を持つアイテムと二値のユーザー評価を入力とし、連続な低次元潜在空間上のアイテム表現やユーザの選好分布を出力することができる。 人工データと実データを用いて提案モデルを検証した。定性的、定量的な観点から、提案モデルは識別的かつ解釈性の高い潜在空間上での選好曲面を獲得することを確認した。
