Contenu connexe Plus de Tatsuya Coike (6) 話題を考慮した多様性のある情報推薦手法の提案27. 27
3.2 実験方法
• 1個 のセグメントを
学習部
4個
〃
正解部
を1ケース
• セグメントをスライドさせ,15ケース用意
Case 1
Case 2
Case 3
Case 15
28. 28
3.3 評価指標
• 推薦精度 (再現率)
Precision , Recall , F-Measure
→定義した正解部とのズレ
• 推薦可能なユーザの割合
E-Rate
→アイテムが1つ以上推薦できたユーザの割合
• 多様性 (嗜好網羅的)
Profile Covering Diversity (PCD)
29. 29
3.4 多様性 (嗜好網羅的)
• なぜ,多様性を計る?
⇒提案手法は,様々な話題を考慮し,
ユーザが好む話題を網羅できる
トピック
“ラーメン”
推薦
ラーメン
トピック
ターゲットユーザ
“お肉”
推薦
お肉
-1
30. 30
3.4 多様性 (嗜好網羅的)
-2
• 多様性を どのように 計る?
⇒ユーザプロファイルのタグを均等に網羅する
ように推薦アイテム群が構築できているか
例) 4つの好みがある中で
2つのアイテムを推薦
ラーメン
お肉
味噌
パスタ
推薦されたアイテム
⇒ 0.5 (50%)
39. 39
6.1 関連研究
-2
多様性 (評価指標)
• 推薦リスト内類似度
ILS : Intra-List Similarity
→推薦リスト内のアイテム類似度を用いる
• 相対的多様性
RD : Relative Diversity
→注目アイテムに対して
各アイテムとの類似度を用いる
→いずれも 類似度