Publications
カンファレンス (国内) 多様性を考慮した最大内積探索
平田皓平 (大阪大学), 天方 大地 (大阪大学), 原 隆浩 (大阪大学), 藤田 澄男
第21回情報科学技術フォーラム (FIT2022)
2022.9.13
最大内積探索（または𝑘-MIPS）は，ユーザに対して好まし いアイテムを推測し，推薦システムにおける基本的な操作 である．大規模な推薦システムをサポートするために，既 存研究ではスケーラブルな𝑘-MIPS アルゴリズムが設計さ れている．しかし，多様なアイテムを推薦することはユー ザ満足度を向上させるにも関わらず，これらの研究では多 様性について考慮されていない．そこで，我々は新しい問 題である，多様性を考慮した𝑘-MIPS を定式化する．この 問題では，ユーザは推薦リストの多様性をパラメータで制 御することが可能である．しかし，この問題を正確に解く ことはNP 困難であり，多様性を考慮した𝑘-MIPS 問題に 対する効率的，効果的，および実用的なアルゴリズムを考 案することは挑戦的である．本論文では，この課題を克服 し，新しい早期終了およびスキップ技術を貪欲アルゴリズ ムに組み込んだIP-Greedy を提案する．実データを用いた 大規模な実験を行い，本アルゴリズムの効率性および有効 性を実証する．また，実世界のデータセットにおいて多様 性を考慮した𝑘-MIPS 問題のケーススタディを行い，推薦 リスト中のアイテムベクトルとユーザベクトルとの高い 内積を維持し，推薦リストの多様性を確保できることを確 認する．
Paper : 多様性を考慮した最大内積探索 （外部サイト）