Cold-Start問題と多様性を考慮したレコメンデーションの総合評価

• Item type: Journal(1)
• 公開日: 2021-12-15
• タイトル: Cold-Start問題と多様性を考慮したレコメンデーションの総合評価
• タイトル / 言語: en
• タイトル: An Evaluation of Recommendations Considering the Cold-Start Problem and Diversity of Information Recommended
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [一般論文] 推薦システム，精度評価，多様性
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00214254
• ID登録 / ID登録タイプ: JaLC
• 著者所属: インキュデータ株式会社
• 著者所属: 筑波大学大学院ビジネス科学研究科
• 著者所属(英): en
• 著者所属(英): INCUDATA Corp.
• 著者所属(英): en
• 著者所属(英): Graduate School of Business Science, University of Tsukuba
• 著者名: 内田, 匠; 吉田, 健一
• 著者名(英): Takumi, Uchida; Kenichi, Yoshida
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: レコメンデーションの基本的な役割はユーザが満足する情報を推薦することであるが，それを評価する指標としては，推薦精度，Cold-Start問題への対処，推薦内容の多様性など，様々な観点がある．従来の研究ではこれらの評価指標の1つに注目することが多く，総合的な評価研究は課題が残されていた．本研究ではレコメンデーションの総合的な評価方法を提案し，既存のレコメンデーション手法を評価することで，提案する評価方法の有用性を示す．提案した評価方法に基づき，既存のレコメンデーション手法を評価し，「従来，推薦困難とされていた新規ユーザへの推薦精度は比較的簡単に達成できる．一方で，利用頻度が多いユーザへの推薦精度と多様性はレコメンド手法で解決すべき課題となっている」ことを明らかにした．提案する評価方法の特徴は下記の2つである．(1)ユーザとアイテムを履歴データでの頻度から[new（新規），tail（低頻度），head（高頻度）]に分け，未来に対する推薦精度を比較することで推薦精度とCold-Start問題に対する性能を評価する．(2)同時に，表示機会をアイテムごとに分配する度合い（多様性）も評価する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The role of recommendation has two aspects: 1) accurate provision of information requested by users, and 2) diversity of information provided. Research on conventional recommendation methods often focus on the accuracy of the information provided, and research on diversity remains a problem. In this study, we propose an evaluation method of recommendation method that considers both accuracy and diversity. We show the importance of the proposed evaluation method by evaluating the existing recommendation methods' performance on the Cold-Start problem. Specifically, “With the existing recommendation method, it is relatively easy to achieve the accuracy of recommending the Cold-Start problem to new users. However, it is not easy to achieve the diversity of information provided to frequently used users. The features of the proposed evaluation method are the following: (1) Divide users and items into [new (new), tail (low frequency), head (high frequency)] according to the frequency in the historical data. Compare the recommendation accuracy for the future. (2) Compare the diversity of displayed items.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 62, 号 12, p. 2108-2118, 発行日 2021-12-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764