ソフトインプット特異値分解を用いたグループ推薦の強化

グループ活動の人気が高まる中、ユーザーグループの集団的な好みに基づいておすすめを提供する方法の開発が求められています。本論文では、グループ推薦システム「Group Soft-Impute SVD」を提案し、ソフトインプット特異値分解を活用してグループ推薦を強化します。このアプローチは、高次元のスパースデータという課題を低ランク行列補完により解決します。Group Soft-Impute SVDの性能を、Group MFに基づくアプローチと比較したところ、小規模ユーザーグループにおいてリコールで優れており、Goodbooks、Movielens、Syntheticデータセットにおいてはすべてのグループサイズで同程度の結果を得ました。さらに、従来の手法と比較して低ランクマトリックスを回復する能力が高く、高次元データの処理における効果ivenessが示されました。