推薦システムの主なタスクは、ユーザーの訪問履歴に基づいて情報をマイニングし、ユーザーが興味を持ちそうなアイテムを推薦し、ユーザーの満足度を向上させることです。
推薦システムには、推薦精度、推薦の多様性、推薦の説明など、多くの研究目的があります。推薦精度は最も基本的な目標であり、ユーザーが将来クリックする可能性の高いアイテムを予測して推薦することを目的としています。推薦の多様性は、システムがユーザーの複数の興味を考慮する必要があります。例えば、ユーザーはアクション映画とSF映画が好きなので、推薦リストには1種類の映画だけでなく、両方の種類の映画を含める必要があります。推薦の説明では、アイテムを推薦した際、なぜこれらのアイテムが自分に推薦されたのか知りたい場合に、推薦結果の理由を合理的に説明します。レコメンデーションシステムには、我々が求めるさまざまなゴールがあります。
研究紹介
地理情報のGraph Convolutional Networksへの軽量統合による興味のある場所の推薦
本研究では、グラフニューラルネットワークにおける隣接ノードの定義を拡張しています。地理的な隣接ノードを利用することで、推薦の精度を高めつつ、ネットワークの学習のしやすさを維持することを提案します。我々の手法では、対象となるユーザーは、チェックしたアイテムからの情報だけでなく、地理的隣接ノードからの情報も集約します。ユーザーとアイテムの固有の埋め込みを学習した後、ユーザーとアイテムの埋め込みの内積を用いて推薦タスクを完了することができます。
アスペクトに基づいたレビュー文による推薦結果の説明
ユーザーによって異なるアイテムに関心があるとします。本研究では、ユーザーのレビュー文からユーザーの嗜好を抽出し、ユーザーの嗜好に合った推薦結果の合理的な理由を生成します。Attention-based Aspect Extractionを用いて、アスペクトに関連しない単語をフィルタリングし、すべてのアスペクトの線形結合として再度、文を埋め込みます。このようにして、ユーザーがより満足できるような説明文が生成できます。
MOBAゲームのヒーロー推薦 —- アマチュア・プロレベル
戦略ゲームMOBAの人気はますます高まっており、国際大会では何百万人もの観客が集まります。ヒーロー推薦システムは、アマチュアもプロもどちらもプレイヤーとしての経験を向上でき、戦略的に優位になれる可能性があります。MOBAのヒーロー推薦の研究では、敵対的生成ネットワークを用いて、勝利の確率を高めるためにヒーロー推薦を行うことを提案しています。これは、機械学習の新しい分野です。機械学習の利用は、MOBAの意思決定に新しいアイデアをもたらすでしょう。
推薦システムにおけるアイテムの推薦理由の説明
機械学習モデルを使用した推薦システムに対して、解釈アルゴリズムであるLIMEを使用することによって、あらゆる推薦モデルに対してユーザに提示するための説明を生成することを目指しています。
Point of Interest (POI) recommendation
Point of Interest (POI)推薦は，ユーザが新しい場所を見つけることを助けたり，街に関する理解をより得たりすることを目的に，ユーザに過去にチェックしたことのない新しいPOIを推薦することです．本研究では，高い推薦精度を得るために，ユーザの地理情報のモデリングと協調性フィルタリングを組み合わせた手法を用います.