知識ベース推薦システム | 第4回 推薦システム概論

下記教科書を基にした推薦システム概論の講義スライドです。
奥 健太：基礎から学ぶ推薦システム - 情報技術で嗜好を予測する -, コロナ社 (2022)

当スライドの利用については下記サポートサイトをご参照ください。
推薦システム概論 | recsys-text

Transcript

1. 知識ベース推薦システム 第4回 推薦システム概論 奥 健太
2. シナリオ Aliceは研究室のメンバーに旅行のお土産を買おうと、お土産検索サイトである土 産サーチからお土産を探しています。旅行先は北海道、予算は3,000円で、研究室 のメンバー数は20名です。チョコレートアレルギーもちのメンバーもいるので注 意が必要です。メンバーには旅行が終わってから7日後にお土産を渡す予定です。 これらの情報を土産サーチの各フォームに入力しました。さて、Aliceにはどのよ うな土産が推薦されるのでしょうか？ 土産サーチのインタフェース
3. コールドスタート問題 内容ベース推薦システム、協調ベース推薦システム 日常的なコンテンツ （映画、音楽、書籍など） ➢ 評価履歴や評価値行列が蓄積されやすい 非日常的なコンテンツ （自動車、不動産、旅行、宿泊施設など） ➢ 評価履歴や評価値行列がほとんど蓄積されない ➢ 十分な評価履歴や評価値行列が蓄積されていることが前提 コールドスタート問題
4. 知識ベース推薦システム （knowledge-based recommender system） ユーザ自身が要求を推薦システムに明示的に入力し、適宜要求を修正しな がら、最終的に満足のいくアイテムを見つける 制約ベース推薦システム 事例ベース推薦システム ユーザ要求を制約という形で表し、その制約を満たすアイテムをアイテムデータ ベースから検索するシステム 「このアイテムと類似したアイテムがほしい」というように、ユーザ要求を事例 となるアイテムとして提示し、その事例に類似するアイテムをアイテムデータベ ースから見つけるシステム
5. 制約ベース推薦システム （constraint-based recommender system）
6. 制約ベース推薦システム ユーザ要求を制約という形で表し、その制約を満たすアイテムをアイテム データベースから検索するシステム 要求の 緩和・追加 選択クエリ アイテムDB
7. ユーザ変数（user variable） 変数 vuk の定義域（domain） ユーザ変数
8. ユーザ要求（user requirement） ユーザ要求
9. アイテム変数（item variable） 商品ID 商品名 名産地 種類 価格 内容量 賞味期限 1 うにせんべい 10個入り 北海道 せんべい 4,000 10 30 2 うにせんべい 20個入り 北海道 せんべい 5,000 20 30 3 かにえびせんべい 20個入り 北海道 せんべい 2,500 20 21 4 じゃがチョコ 10個入り 北海道 チョコレート 1,000 10 21 5 じゃがチョコ 25個入り 北海道 チョコレート 2,000 25 21 6 ストロベリー大福 15個入り 北海道 大福 2,500 15 3 7 ストロベリー大福 5個入り 北海道 大福 1,000 5 3 8 とうきびクッキー 30個入り 北海道 クッキー 2,000 30 7 9 バターポテトクッキー 10個入り 北海道 クッキー 1,000 10 10 10 バターポテトクッキー 25個入り 北海道 クッキー 2,000 25 10 11 ミルクチーズクッキー 15個入り 北海道 クッキー 2,500 15 7 12 ミルクチーズクッキー 20個入り 北海道 クッキー 3,000 20 7 13 ミルクチョコレート 15個入り 北海道 チョコレート 1,500 15 30 14 ミルクチョコレート 30個入り 北海道 チョコレート 2,500 30 30 15 りんごショコラ 10個入り 北海道 チョコレート 2,000 10 21 16 りんごショコラ 20個入り 北海道 チョコレート 3,000 20 21 17 ずんだチョコ 20個入り 宮城 チョコレート 3,000 20 10 アイテムデータベース アイテム変数 変数 vik の定義域
10. アイテム制約（item constraint） 商品ID 商品名 名産地 種類 価格 内容量 賞味期限 1 うにせんべい 10個入り 北海道 せんべい 4,000 10 30 2 うにせんべい 20個入り 北海道 せんべい 5,000 20 30 : : : : : : : 17 ずんだチョコ 20個入り 宮城 チョコレート 3,000 20 10 アイテム制約の集合 アイテム制約
11. 適合性制約（compatibility constraint） グループにチョコレートアレルギーもちの人がいる 場合にはチョコレートを選択できない 適合性制約 複数の条件の間で矛盾がないようにユーザ要求を適正に修正するための制約
12. フィルタ制約（filter constraint） ユーザ要求をアイテムの選択条件に変換する関係を定義した制約 フィルタ制約
13. 推薦タスク（recommendation task） 推薦知識ベースを基にユーザ要求を満たす推薦アイテムを決定するタスク 有限の変数集合 各変数の定義域 有限の制約集合 推薦タスク 推薦知識ベース（recommendation knowledge base） 制約充足問題
14. ユーザ要求から選択クエリの作成 ユーザ要求 適合性制約 フィルタ制約 選択クエリ（selection query）
15. 推薦 商品ID 商品名 名産地 種類 価格 内容量 賞味期限 3 かにえびせんべい 20個入り 北海道 せんべい 2,500 20 21 8 とうきびクッキー 30個入り 北海道 クッキー 2,000 30 7 10 バターポテトクッキー 25個入り 北海道 クッキー 2,000 25 10 12 ミルクチーズクッキー 20個入り 北海道 クッキー 3,000 20 7 選択クエリ
16. 要求の緩和（relaxation） 修正案（repair alternatives）
17. 要求の追加 デフォルト値（default value） 静的デフォルト（static default） 平均や相場など、多くの人が指定するであろう という知識に基づく値 従属デフォルト（dependent default） 他の属性に指定された値に応じて設定される値 導出デフォルト（derived default） 他のユーザのユーザ要求履歴に基づく値
18. 事例ベース推薦システム （case-based recommender system）
19. 事例ベース推薦システム 「このアイテムと類似したアイテムがほしい」というように、ユーザ要求 を事例となるアイテムとして提示し、その事例に類似するアイテムをアイ テムデータベースから見つけるシステム 選択 アイテムDB 類似検索 批評
20. 初期事例 最初にユーザからシステムに事例（case）となるアイテムを提示
21. アイテムの特徴ベクトル アイテム i の特徴ベクトル ずんだちょこ20個入り（i = 17）の特徴ベクトル 商品ID 商品名 名産地 種類 価格 内容量 賞味期限 17 ずんだチョコ 20個入り 宮城 チョコレート 3,000 20 10 類似度算出には 関係しない 名産地の類似性には こだわっていない コサイン類似度 は適用できない
22. 類似性尺度（similarity metrics） 属性 k に関する類似度関数 属性 k の重み アイテム xi と xj の類似度を算出する類似度関数 二つのアイテムがどの程度類似しているかを表す尺度
23. 内容量に関する類似度関数 事例アイテムの特徴量
24. 価格に関する類似度関数 事例アイテムの特徴量 安ければ安い方が良い 属性 k に関するパラメタ
25. αk と類似度の関係 安ければ安い方が良い 3,000円以下であれば どれも同等 3,000円が適正価格であり、それ よりも安すぎても高すぎても困る 高いよりかは安い方が良いが、 3,000円が適正価格である
26. 各属性に関する類似度関数 価格 内容量 賞味期限 安ければ安い方が良い 少ないより多い方が良いが適量がベスト 長ければ長い方が良い 種類 カテゴリが一致していれば類似
27. アイテム間の類似度 商品ID 商品名 名産地 種類 価格 内容量 賞味期限 17 ずんだチョコ 20個入り 宮城 チョコレート 3,000 20 10 商品ID 商品名 名産地 種類 価格 内容量 賞味期限 5 じゃがチョコ 25個入り 北海道 チョコレート 2,000 25 21 1 1.125 0.960 1.081 アイテム xi と xj の類似度を算出する類似度関数
28. 類似アイテムの推薦
29. 単一批評（unit critique） 提示されたアイテム属性のうち一つの属性について要求を変更 指向的批評 提示された特徴量を基準に相対的な要求を提示 ➢ 「より多く」「より少なく」 ➢ 価格や内容量、賞味期限などの数値型属性に適している 置換的批評 提示された特徴量を別の特徴量に置き換えることで要求を提示 ➢ 「チョコレートをせんべいに変えたい」 ➢ 名産地や種類などのカテゴリ型属性に適している
30. 指向的批評（directional critique）
31. 置換的批評（replacement critique）
32. 複合批評（compound critique） 1回のサイクルで複数の属性を変更 ➢ 「安くて日持ちする」「安くて多い」
33. 動的批評（dynamic critique） データベースに含まれるアイテムの分布に応じて動的に選択肢を用意 頻出の批評パターン（critique pattern） 候補アイテム数
34. 各手法の長所と短所
35. 知識ベース 推薦システム 内容・協調ベース 推薦システム コールドスタート 個人化 制御性 特徴量の抽出 知識獲得 知識ベース vs. 内容・協調ベース推薦システム