異なる多様性許容度に対応した推薦モデルの開発

抄録

推薦システムにおける情報の偏りやいわゆる「フィルターバブル」の問題に対処するため、多くの研究者が推薦における多様性と正確性のバランスを実現するための手法を模索している。推薦結果の多様性に対するユーザの許容度はユーザごとに異なると考えられるが、従来の推薦モデルはこの点に十分対応することができていない。本研究では、多様性と正確性の適切なバランスを実現するために、知識グラフを用いてアイテムの詳細情報を取得し、ユーザの過去のインタラクションデータと組み合わせて、多様性許容度を計算する。ユーザーごとの許容度に基づき、パーソナライズされた推薦を行う手法を提案する。ユーザにおける多様性許容度に対応した推薦を行い、きめ細かく推薦結果の多様性と正確性のバランスを調整することで、効果的に情報の偏りや「フィルターバブル」の課題に対応できるシステムの実現につながることが期待できる。