担当 : 小林 勇也
題目 : 商品推薦のためのランキング学習における潜在ベクトルモデルの拡張について

概要 :
　消費者の好みに沿った商品推薦を行うことでその購買行動を促進させることができる. 卒業研究では商品推薦を消費者による商品の好みのランキングを学習する問題に帰着させる手法に注目した[1].
　上記のランキング学習問題はランキングを評価する関数 と消費者の好みを表現するモデルにより定式化される. 現在では実験的に性能が良いとされるランキング評価関数を用いた手法[2]や多様な好みを表現できる拡張されたモデルを用いた手法[3]が提案されている.
　そこで, 両手法の評価関数とモデルをそれぞれ組み合わせた手法を提案, 実装し, 実データを用いて既存手法との比較実験を行った.

参考文献
[1] M. Weimer, A. Karatzoglou, Q. Le, and A. Smola. Cofirank maximum margin matrix factorization for collaborative ranking. In Advances in Neural Information Proceeding Systems 20, pp. 1593-1600, 2007.
[2] H. Yun, P. Raman, and S. Vishwanathan. Ranking via robust binary classification. In Advances in Neural Information Proceeding Systems 27, pp. 2582-2590, 2014.
[3] J. Weston, R. Weiss, and H. Yee. Nonlinear latent factorization by embedding multiple user interests. In Proceedings of the 7th ACM Conference on Recommender Systems, pp. 65-68, 2013.