本質的な好み空間を用いた社会的推薦

社会的推薦は、推薦システムの質を改善するために社会的情報を活用することを目的としており、近年ますます注目を集めています。既存の社会的推薦モデルの大部分は、ユーザーが推薦システムとソーシャルネットワークの両方で意思決定を行う際に同じ要因を考慮するという扱いやすい仮定に基づいています。しかし、この仮定は実際の状況と一致しておらず、ユーザーは通常、異なるシナリオで異なる好みを示します。本論文では、推薦システムにおけるユーザーの好みとソーシャルネットワークにおけるそれとの違いを活用する方法を探求し、社会的推薦をさらに改善することを目指します。特に、異なるシナリオにおけるユーザーの好みは、より基盤となるユーザーの好み空間からの異なる線形結合の結果であると仮定します。この仮定に基づき、重要な好み空間の下でソーシャルネットワークの構造情報、推薦システムにおける評価および消費情報を同時にモデル化する新しい社会的推薦フレームワーク、すなわち本質的な好み空間を用いた社会的推薦（SREPS）を提案します。四つの実世界データセットに関する実験結果は、提案されたSREPSモデルが七つの最先端の社会的推薦手法と比較して優れていることを示しています。