【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

Factorization Machines

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？

• 計算時間が線型増加であることの数式展開による検証
• SVM, MFとの数式比較による拡張性の検証
• SVMとのスパースなデータにおけるデータへの誤差の比較

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