Collaborative Topic Modeling for Recommending Scientific Articles

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

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

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

（C）Recruit Communications Co., Ltd. 2. BACKGROUND ＆ 2.1 Recommendation Tasks
5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

（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)

（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

（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

（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

（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

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

Collaborative Topic Modeling for Recommending S...

Collaborative Topic Modeling for Recommending Scientific Articles

More Decks by Shinichi Takayanagi

Other Decks in Research

Featured

Transcript