【論文メモ】Factorization Machine
モチベーション
仕事でレコメンドの機能開発をすることになったので読みました。
読んだ論文
著者/所属
Steffen Rendle
Department of Reasoning for Intelligence, The Institute of Scientific and Industrial Research, Osaka University, Japan
どんなもの?
Matrix Factorizationの手法を交互作用項のパラメータ推定に応用したもの
先行研究と比べてどこがすごい?
- SVMでは学習できないスパースなデータに対しても十分な精度を保ち学習することができる
- 協調フィルタリング、Matrix Factorizationなどのレコメンド手法のように特別な形のデータを用意しなくてもレコメンドへ応用できる
技術や手法のキモはどこ?
交互作用項の重みを独立と仮定せずに、行列値分解を応用することでスパースなデータに対しても重みを学習できるようにした点
どうやって有効だと検証した?
議論はある?
- 協調フィルタリングやMFとは異なり、通常の形のデータでレコメンドへ応用できるのは魅力(属性情報等も含められる)
- 計算量はデータ量、特徴数に線型増加ではあるものの、user, itemの1インタラクションが1行となるのでデータは大きくなりがちな気がする
次に読むべき論文は?
ちょっとまだわからない