モデルベース協調フィルタリングにおける推薦の透明性に関する検討

抄録

本研究では，モデルベース協調フィルタリングにおいて，スコア予測だけでなく予測に影響を与えている他のユーザやアイテムの特定も行うことを目指す．具体的には，線形回帰に着目し，得られた偏回帰係数を推薦の透明性の尺度として活用する．偏回帰係数は各説明変数の重みであり，予測に影響を与える他のユーザやアイテムの分析に用いることができると考える．線形回帰に基づくモデルとして，線形回帰モデル，Factorization Machinesモデル，ニューラルネットワークによる予測モデルの3種類のモデルを検討する．協調フィルタリング用ベンチマークデータセットを用いた実験により，3種類のモデルのスコアの予測精度の検証と予測に影響を与えている他のユーザやアイテムを分析する．実験の結果より，Factorization Machinesモデルの予測精度が最も良く，線形回帰モデルとニューラルネットワークによる予測モデルについて，正則化を適用した場合にはスコアの予測精度と推薦の透明性に関する解釈可能性がトレード・オフになっていることを確認している．