Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Collaborative Topic Modeling for Recommending S...

Avatar for Shinichi Takayanagi Shinichi Takayanagi
May 30, 2016
Research
1.6k
0

Collaborative Topic Modeling for Recommending Scientific Articles

論文"Collaborative Topic Modeling for Recommending Scientific Articles"を読んだ際に使用したスライド

Avatar for Shinichi Takayanagi

Shinichi Takayanagi

May 30, 2016

More Decks by Shinichi Takayanagi

See All by Shinichi Takayanagi
論文紹介「Evaluation gaps in machine learning practice」と、効果検証入門に関する昔話
Avatar for Shinichi Takayanagi stakaya
0
1.3k
バイブコーディングの正体——AIエージェントはソフトウェア開発を変えるか？
Avatar for Shinichi Takayanagi stakaya
5
1.8k
[NeurIPS 2023 論文読み会] Wasserstein Quantum Monte Carlo
Avatar for Shinichi Takayanagi stakaya
0
620
[KDD2021 論文読み会] ControlBurn: Feature Selection by Sparse Forests
Avatar for Shinichi Takayanagi stakaya
2
2.1k
[ICML2021 論文読み会] Mandoline: Model Evaluation under Distribution Shift
Avatar for Shinichi Takayanagi stakaya
0
2.1k
[情報検索/推薦 各社合同 論文読み祭 #1] KDD ‘20 "Embedding-based Retrieval in Facebook Search"
Avatar for Shinichi Takayanagi stakaya
2
690
【2020年新人研修資料】ナウでヤングなPython開発入門
Avatar for Shinichi Takayanagi stakaya
28
22k
論文読んだ「Simple and Deterministic Matrix Sketching」
Avatar for Shinichi Takayanagi stakaya
1
1.3k
Quick Introduction to Approximate Bayesian Computation (ABC) with R"
Avatar for Shinichi Takayanagi stakaya
3
400

Other Decks in Research

See All in Research
LA-Bench 2025：実験指示から 実行可能手順を生成するためのデータセット/LA-Bench 2025: A Dataset for Generating Executable Experimental Procedures from Experimental Instructions
Avatar for Shota Kato stktu
0
130
Vector Map as Language: Toward Unified Remote Sensing Vector Mapping
Avatar for SatAI.challenge satai
3
190
HAKARI-Bench - 実運用視点での情報検索モデル評価ベンチマーク
Avatar for Yuichi Tateno hotchpotch
1
690
大規模言語モデルは誰を覚えているか / Who Do Large Language Models Memorize?
Avatar for Shotaro Ishihara upura
0
140
マーケットストリート 社会実験2024 in 秋葉原ジャンク通り 調査報告書
Avatar for 日本大学 都市計画研究室（泉山ゼミ） izumiyama_lab
1
110
LINEヤフー データサイエンス Meetup「三井物産コモディティ予測チャレンジ」の舞台裏-AlpacaTechパート
Avatar for tomo gamella
1
630
AIエージェント時代のLLM-jpモデルのあるべき姿
Avatar for Kouta Nakayama k141303
0
580
論文紹介 "ReSim: Reliable World Simulation for Autonomous Driving"
Avatar for Takuma Kogo kogo
0
740
EIRによる不正端末のブロッキング 5G時代におけるデバイス識別と不正対策の進化
Avatar for Stellar Craft, Inc. stellarcraft
0
120
Research Engineerという仕事 / Research Engineering: Bridging Research and Business
Avatar for chck chck
1
270
Visual SLAM未来予測 / Future Prediction in Visual SLAM
Avatar for koide3 koide3
1
920
HackSick vol.7 LT資料【LLMアーキテクチャ入門・事前学習時の躓き所解説】 スパースなAttention・状態空間モデル
Avatar for Rikka Botan rikkabotan7
0
160

Featured

See All Featured
The #1 spot is gone: here's how to win anyway
Avatar for Tamara Novitovic tamaranovitovic
3
1.1k
Getting science done with accelerated Python computing platforms
Avatar for Jacob Tomlinson jacobtomlinson
2
450
SEO in 2025: How to Prepare for the Future of Search
Avatar for Michael King ipullrank
3
3.8k
How to make the Groovebox
Avatar for あそなす asonas
2
2.3k
The SEO Collaboration Effect
Avatar for Kristina Bergwall kristinabergwall1
1
530
Building a Modern Day 
E-commerce SEO Strategy
Avatar for Aleyda Solis aleyda
45
9.2k
Discover your Explorer Soul
Avatar for Emna emna__ayadi
2
1.3k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
Avatar for mongodb mongodb
49
10k
GitHub's CSS Performance
Avatar for Jon Rohan jonrohan
1033
470k
The innovator’s Mindset - 
Leading Through an Era of Exponential Change - McGill University 2025
Avatar for Jean-Marc De Jonghe jdejongh
PRO
1
280
The Anti-SEO Checklist Checklist. Pubcon Cyber Week
Avatar for Ryan Jones ryanjones
0
220
The Illustrated Children's Guide to Kubernetes
Avatar for Chris Short chrisshort
51
53k

Transcript

  1. RCO論文輪読会(2016/05/27) “Collaborative topic modeling for recommending scientific articles”(KDD2011) Chong Wang,

    David M. Blei 高柳慎一

  2. （C）Recruit Communications Co., Ltd. ABSTRACT 1

  3. （C）Recruit Communications Co., Ltd. 1. INTRODUCTION 2

  4. （C）Recruit Communications Co., Ltd. 1. INTRODUCTION 3

  5. （C）Recruit Communications Co., Ltd. 1. INTRODUCTION 4

  6. （C）Recruit Communications Co., Ltd. 2. BACKGROUND ＆ 2.1 Recommendation Tasks

    5

  7. （C）Recruit Communications Co., Ltd. 2.1 Recommendation Tasks 6

  8. （C）Recruit Communications Co., Ltd. 2.1 Recommendation Tasks 7

  9. （C）Recruit Communications Co., Ltd. 2.2 Recommendation by Matrix Factorization 8

  10. （C）Recruit Communications Co., Ltd. 2.2 Recommendation by Matrix Factorization 9

  11. （C）Recruit Communications Co., Ltd. 2.2 Recommendation by Matrix Factorization 10

  12. （C）Recruit Communications Co., Ltd. 2.2 Recommendation by Matrix Factorization 11

  13. （C）Recruit Communications Co., Ltd. 2.3 Probabilistic Topic Models 12

  14. （C）Recruit Communications Co., Ltd. LDAの生成過程 13

  15. （C）Recruit Communications Co., Ltd. LDAの特徴 14

  16. （C）Recruit Communications Co., Ltd. 3. COLLABORATIVE TOPIC REGRESSION 15

  17. （C）Recruit Communications Co., Ltd. COLLABORATIVE TOPIC REGRESSION 16

  18. （C）Recruit Communications Co., Ltd. CTRの生成過程 17

  19. （C）Recruit Communications Co., Ltd. 3. COLLABORATIVE TOPIC REGRESSION 18

  20. （C）Recruit Communications Co., Ltd. CTRのモデルのRegressionたる所以 19

  21. （C）Recruit Communications Co., Ltd. 学習のさせ方 20

  22. （C）Recruit Communications Co., Ltd. 学習のさせ方 21

  23. （C）Recruit Communications Co., Ltd. 簡単な証明 by iPad手書き 22

  24. （C）Recruit Communications Co., Ltd. 学習のさせ方 23

  25. （C）Recruit Communications Co., Ltd. 予測 24

  26. （C）Recruit Communications Co., Ltd. 4. EMPIRICAL STUDY 25

  27. （C）Recruit Communications Co., Ltd. データの規模感 26

  28. （C）Recruit Communications Co., Ltd. 評価 27

  29. （C）Recruit Communications Co., Ltd. 結果 28

  30. （C）Recruit Communications Co., Ltd. 結果 (ライブラリ内の論文数(Fig 5)・ある論文をLikeした数(Fig 6) 依存性) 29

    数が増えると Recallが下がる (あまり有名な論文じゃ ないのを出すため) 数が増えると Recallが上がる (みんな見てる論文 だとCFがうまく動く)

  31. （C）Recruit Communications Co., Ltd. 結果(ある2ユーザの好んだトピックを抽出) 30 トピックの潜 在ベクトルの 重みをランキ ングして抽出

  32. （C）Recruit Communications Co., Ltd. 結果(オフセットの大きかった論文BEST 10) 31 ※内容よりもCFが効くケースに相当

  33. （C）Recruit Communications Co., Ltd. 結果(EMの論文がベイズ統計勢にもよく参照されている例) 32 ※内容よりもCFが効く ケースに相当

  34. （C）Recruit Communications Co., Ltd. 結果(逆にトピックが広がらない例) 33 ※内容が支配的なケー スに相当

  35. （C）Recruit Communications Co., Ltd. 5. CONCLUSIONS AND FUTURE WORK 34