アップとダウン: 単一クラスコラボレーティブフィルタリングを用いたファッショントレンドの視覚的進化のモデリング

成功するレコメンダーシステムを構築するには、人々の好みの次元とそのダイナミクスを理解することが必要です。ファッションのような特定の分野では、製品の視覚的外観とその進化を同時にモデル化する必要があるため、そのような好みをモデリングすることは非常に困難です。ファッションの進化の微妙な意味合いと非線形ダイナミクスは、基礎となるデータセットのスパースさと大規模さを考慮すると、特有の課題を引き起こします。本論文では、One-Class Collaborative Filtering設定のための新しいモデルを構築し、目的は過去のフィードバックに基づいてユーザーのファッションに敏感なパーソナライズドランキング関数を推定することです。製品を評価する際に人々が考慮する複雑で進化する視覚的要因を明らかにするために、私たちの手法は深層畳み込みニューラルネットワークから抽出された高レベルの視覚特徴、ユーザーの過去のフィードバック、およびコミュニティ内の進化するトレンドを組み合わせています。実験的に、私たちはAmazon.comからの2つの大規模な実世界データセットに対して手法を評価し、最先端のパーソナライズドランキング手法を上回ることを示し、またデータセットの11年間の期間にわたる高レベルのファッショントレンドを視覚化するためにも使用しました。