論文メモ
概要
- lightFMの論文
- 協調フィルタリングに特徴量ベクトルを入れて、行列分解を行う
- FMというよりはかは、MFに近いという印象
- ただし、潜在ベクトルを利用する
- 潜在ベクトルの和を取ってから分解を行うので、特徴量が捉えられているか疑問に思うが、多くのシステムに採用されているので、後悔はあるのだと思われる。
- コールドスタートのシナリオ(新しいユーザやアイテムに関するデータがほとんどない場合)でもうまく機能する推薦システムを構築
- 準的な行列分解(MF)モデルは、このような環境では性能が低く、協調的なインタラクションデータが少ない場合、ユーザーやアイテムの潜在的な要因を効果的に推定することは困難
- 私はコンテンツとコラボレーションのハイブリッドモデル
- コールドスタートや低密度のシナリオにおいて、LightFMは純粋なコンテンツベースのモデルと同等の性能を発揮
- 協調データが豊富な場合(ウォームスタート、ユーザーとアイテムのマトリックスが密な場合)、LightFMはMFモデルと同等以上の性能を発揮す
- LightFMによって生成されたエンベッディングは、特徴に関する重要な意味的情報を符号化しており、タグ推薦などの関連する推薦タスクに使用
Related Articles