コラボレーティブフィルタリングのための制限付きボルツマンマシン

既存のコラボレーティブフィルタリングアプローチのほとんどは、非常に大規模なデータセットを処理することができません。本論文では、制限付きボルツマンマシン（RBM）と呼ばれる二層の無向グラフィカルモデルのクラスが、ユーザーの映画評価などの表形式データをモデル化するためにどのように使用できるかを示します。このモデルクラスの効率的な学習と推論手順を提示し、RBMが1億を超えるユーザー/映画評価を含むNetflixデータセットに成功裏に適用できることを示します。また、RBMが慎重に調整されたSVDモデルをわずかに上回ることも示します。複数のRBMモデルと複数のSVDモデルの予測を線形に結合すると、Netflix自身のシステムのスコアよりも6％以上良好な誤差率を達成します。