SlideShare ist ein Scribd-Unternehmen logo
1 von 19
Downloaden Sie, um offline zu lesen
2022年10月22日
RecSys2022論文読み会
紹介論文
ProtoMF: Prototype-based Matrix Factorization
for Effective and Explainable Recommendations
Alessandro B. Melchiorre Navid Rekabsaz Christian Ganhör Markus Schedl
Johannes Kepler University Linz
名前 佃 洸摂(つくだ こうせつ)
所属 産業技術総合研究所
HP http://ktsukuda.me
紹介者
自己紹介 2
研究テーマ:ユーザ生成コンテンツ・音楽コンテンツの推薦・検索・分析
再消費ER (RecSys’20) 多様化ER (RecSys’19) UGC推薦 (SIGIR’19)
学術発表
企業連携
Kiite(株式会社クリプトン) ボカコレ(株式会社ドワンゴ)
https://kiite.jp https://site.nicovideo.jp/nicobox/lp/index.html
音楽推薦モデルの
提案・実装を担当
音楽印象分析・音楽推薦に基づく音楽発掘サービス 音声の再生に特化したニコニコ動画のプレーヤーアプリ
Prototype-based recommendation model
プロトタイプに基づく推薦 4
プロトタイプとなる少数の代表ユーザ・アイテムの潜在ベクトルを使って
推薦対象となるユーザ・アイテムの潜在ベクトルを表現
𝒑𝒑𝟏𝟏
𝒑𝒑𝟐𝟐
𝒑𝒑𝟐𝟐𝟐𝟐
…
推薦対象ユーザ 𝒖𝒖
プロトタイプ
ユーザ
𝒕𝒕𝟏𝟏
𝒕𝒕𝟐𝟐
𝒕𝒕𝟐𝟐𝟐𝟐
…
推薦対象アイテム 𝒕𝒕
プロトタイプ
アイテム
従来研究1:RBMF(RecSys’11) 5
 実在するユーザの中からプロトタイプとなるユーザ を選択
 アイテムについてもアイテム潜在空間でプロトタイプとなるアイテムを選択
ℝ64
上のユーザ潜在空間
従来研究2:ACF(CIKM’21) 6
ℝ64
上のユーザ・アイテム潜在空間
ユーザとアイテムに共通のプロトタイプとなる潜在ベクトル を作成
本研究:ProtoMF 7
ℝ64
上のユーザ潜在空間 ℝ64上のアイテム潜在空間
ユーザ
アイテム
それぞれの潜在空間内でプロトタイプとなる
仮想ユーザ
仮想アイテム
を作成
ProtoMF
プロトタイプユーザを用いたユーザ・アイテム間のスコア計算 9
ユーザ𝑢𝑢を各プロトタイプユーザとの類似度を要素とするベクトルで表現
ℝ64
上のユーザ潜在空間
𝒖𝒖 𝒑𝒑𝟏𝟏
𝒑𝒑𝟐𝟐
𝒑𝒑𝟑𝟑
𝒖𝒖∗
=
𝑠𝑠𝑠𝑠𝑠𝑠 𝒖𝒖, 𝒑𝒑𝟏𝟏
𝑠𝑠𝑠𝑠𝑠𝑠 𝒖𝒖, 𝒑𝒑𝟐𝟐
𝑠𝑠𝑠𝑠𝑠𝑠 𝒖𝒖, 𝒑𝒑𝟑𝟑
=
1.91
1.24
0.33
∈ ℝ3
where 𝑠𝑠𝑠𝑠𝑠𝑠 𝒂𝒂, 𝒃𝒃 = 1 + 𝒂𝒂T𝒃𝒃
𝒂𝒂 𝒃𝒃
�
𝒕𝒕 = W𝑡𝑡𝒕𝒕 ∈ ℝ3
ユーザ 𝒖𝒖
アイテム 𝒕𝒕
U-score 𝑢𝑢, 𝑡𝑡 = 𝒖𝒖∗T�
𝒕𝒕 ∈ ℝ
𝒖𝒖・𝒕𝒕 間のスコア
プロトタイプアイテムを用いたユーザ・アイテム間のスコア計算 10
アイテム𝑡𝑡を各プロトタイプアイテムとの類似度を要素とするベクトルで表現
𝒕𝒕∗
=
𝑠𝑠𝑠𝑠𝑠𝑠 𝒕𝒕, 𝒑𝒑𝟏𝟏
𝑠𝑠𝑠𝑠𝑠𝑠 𝒕𝒕, 𝒑𝒑𝟐𝟐
𝑠𝑠𝑠𝑠𝑠𝑠 𝒕𝒕, 𝒑𝒑𝟑𝟑
=
1.87
0.16
0.94
∈ ℝ3
where 𝑠𝑠𝑠𝑠𝑠𝑠 𝒂𝒂, 𝒃𝒃 = 1 + 𝒂𝒂T𝒃𝒃
𝒂𝒂 𝒃𝒃
�
𝒖𝒖 = W𝑢𝑢𝒖𝒖 ∈ ℝ3
アイテム 𝒕𝒕
ユーザ 𝒖𝒖
I-score 𝑢𝑢, 𝑡𝑡 = �
𝒖𝒖T𝒕𝒕∗ ∈ ℝ
𝒖𝒖・𝒕𝒕 間のスコア
ℝ64
上のアイテム潜在空間
𝒑𝒑𝟏𝟏
𝒑𝒑𝟑𝟑
𝒑𝒑𝟐𝟐
𝒕𝒕
推薦スコア計算 11
ℒUI−PROTO = ℒ𝑟𝑟𝑟𝑟𝑟𝑟 + 𝜆𝜆1𝑅𝑅 𝒫𝒫𝑢𝑢→𝒰𝒰 + 𝜆𝜆2𝑅𝑅 𝒰𝒰→𝒫𝒫𝑢𝑢 + 𝜆𝜆3𝑅𝑅 𝒫𝒫𝑡𝑡→𝒯𝒯 + 𝜆𝜆4𝑅𝑅 𝒯𝒯→𝒫𝒫𝑡𝑡
ベクトル (ユーザ+アイテム+プロトタイプ) 最適化
推薦スコア
UI-score 𝑢𝑢, 𝑡𝑡 = U-score 𝑢𝑢, 𝑡𝑡 +I-score 𝑢𝑢, 𝑡𝑡 = 𝒖𝒖∗T�
𝒕𝒕 + �
𝒖𝒖T
𝒕𝒕∗
U-score 𝑢𝑢, 𝑡𝑡 = 𝒖𝒖∗T�
𝒕𝒕 I-score 𝑢𝑢, 𝑡𝑡 = �
𝒖𝒖T
𝒕𝒕∗
損失関数 12
ℒUI−PROTO = ℒ𝑟𝑟𝑟𝑟𝑟𝑟 + 𝜆𝜆1𝑅𝑅 𝒫𝒫𝑢𝑢→𝒰𝒰 + 𝜆𝜆2𝑅𝑅 𝒰𝒰→𝒫𝒫𝑢𝑢 + 𝜆𝜆3𝑅𝑅 𝒫𝒫𝑡𝑡→𝒯𝒯 + 𝜆𝜆4𝑅𝑅 𝒯𝒯→𝒫𝒫𝑡𝑡
ユーザが消費したアイテムに対するスコアを高くする (cross-entropy/softmax)
𝑅𝑅 𝒫𝒫𝑢𝑢→𝒰𝒰 = −
1
𝐿𝐿𝑢𝑢
�
𝑙𝑙=1
𝐿𝐿𝑢𝑢
max
𝑖𝑖∈ 1,⋯,𝑁𝑁
sim 𝒖𝒖𝒊𝒊, 𝒑𝒑𝒍𝒍
𝒖𝒖 𝑅𝑅 𝒰𝒰→𝒫𝒫𝑢𝑢 = −
1
𝑁𝑁
�
𝑖𝑖=1
𝑁𝑁
max
𝑙𝑙∈ 1,⋯,𝐿𝐿𝑢𝑢
sim 𝒖𝒖𝒊𝒊, 𝒑𝒑𝒍𝒍
𝒖𝒖
どのプロトタイプユーザも
少なくとも一人の実ユーザと
十分に近い
どの実ユーザも
少なくとも一人のプロトタイプユーザと
十分に近い
プロトタイプユーザ関連 プロトタイプアイテム関連
評価実験
定量評価 14
 ユーザごとに最新の1件をテスト用・2番目に新しい1件を検証用・残りを学習用
 ハイパラチューニング (プロトタイプ数・潜在ベクトル次元数など):TPEを採用
 各ユーザで「テストデータ1件+サンプリングした負例99件」の100件をランキング
 従来手法のRBMF(RecSys’11, p.5)とACF(CIKM’21, p.6)よりも高精度
 ユーザ・アイテムの一方のみのプロトタイプを考慮する手法(U-PROTOMF, I-PROTOMF)
よりも両方のプロトタイプを考慮した手法(UI-PROTOMF)の方が高精度
表は論文より引用
定性評価1|プロトタイプの分布 15
ML-1M上のユーザプロトタイプ LFM2B-1MON上のアイテムプロトタイプ
 ユーザ・アイテムの各潜在空間をt-SNEで2次元に圧縮
 ユーザ・アイテムいずれでもプロトタイプはクラスタの中心付近に存在
図は論文より引用
定性評価2|プロトタイプの特性分析 16
プロトタイプユーザ:
推薦結果を生成
𝒑𝒑𝟐𝟐
𝒑𝒑𝟐𝟐
∗
=
𝑠𝑠𝑠𝑠𝑠𝑠 𝒑𝒑𝟐𝟐, 𝒑𝒑𝟏𝟏
𝑠𝑠𝑠𝑠𝑠𝑠 𝒑𝒑𝟐𝟐, 𝒑𝒑𝟐𝟐
𝑠𝑠𝑠𝑠𝑠𝑠 𝒑𝒑𝟐𝟐, 𝒑𝒑𝟑𝟑
=
0
2
0
プロトタイプアイテム:
潜在空間内での近傍を抽出
表は論文より引用
定性評価3|ユーザプロトタイプに基づく推薦理由 17
⊙
𝒖𝒖∗: 92件の各プロトタイプユーザとの類似度 �
𝒕𝒕 ∶ 92次元に変換されたアイテム𝑡𝑡のベクトル
U-score 𝑢𝑢, 𝑡𝑡 : 各次元の値の和
 37次元目:アニメ|40次元目:恋愛|53次元目:コメディ
 ユーザ 𝑢𝑢:37・40・53次元目のプロトタイプと類似度が高い
 アイテム 𝑡𝑡:37・40・53次元目との関連度が高い
 ユーザ 𝑢𝑢 に対するアイテム 𝑡𝑡 の推薦スコアは高くなる
図は論文より引用
定性評価4|プロトタイプのジェンダーバイアス 18
男性が有意に多い
男女比はデータセット全体と差なし
女性が有意に多い
男:女=1:4
図は論文より引用
ML-1Mデータセット
 各ユーザを最も類似度の高いプロトタイプに割り当て
 プロトタイプごとに男女比を計算
まとめ 19
23種類のデータセットで提案手法の有効性を定量評価
プロトタイプベースの従来手法よりも高精度:RBMF (RecSys’11)・ACF (CIKM’21)
1プロトタイプに基づく推薦手法ProtoMFを提案
ユーザとアイテムそれぞれの潜在空間内でプロトタイプを作成
3提案手法の解釈容易性を生かした多様な定性評価
プロトタイプの分布と特性・推薦理由の提示・プロトタイプのジェンダーバイアス
UI-score 𝑢𝑢, 𝑡𝑡 = U-score 𝑢𝑢, 𝑡𝑡 +I-score 𝑢𝑢, 𝑡𝑡 = 𝒖𝒖∗T�
𝒕𝒕 + �
𝒖𝒖T
𝒕𝒕∗

Weitere ähnliche Inhalte

Was ist angesagt?

[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP
[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP
[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIPDeep Learning JP
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知Hideo Terada
 
言語と画像の表現学習
言語と画像の表現学習言語と画像の表現学習
言語と画像の表現学習Yuki Noguchi
 
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向Koichiro Mori
 
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習Deep Learning JP
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?hoxo_m
 
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向Yamato OKAMOTO
 
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説Hironori Washizaki
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめDeep Learning JP
 
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfTakuya Minagawa
 
Active Learning 入門
Active Learning 入門Active Learning 入門
Active Learning 入門Shuyo Nakatani
 
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディットH Okazaki
 
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)Yusuke Kaneko
 
文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text Understanding
文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text Understanding文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text Understanding
文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text UnderstandingToru Tamaki
 
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learningベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learningssuserca2822
 
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...Deep Learning JP
 
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State SpacesDeep Learning JP
 
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究Fumihiko Takahashi
 

Was ist angesagt? (20)

[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP
[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP
[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP
 
画像処理AIを用いた異常検知
画像処理AIを用いた異常検知画像処理AIを用いた異常検知
画像処理AIを用いた異常検知
 
言語と画像の表現学習
言語と画像の表現学習言語と画像の表現学習
言語と画像の表現学習
 
ゼロから始める転移学習
ゼロから始める転移学習ゼロから始める転移学習
ゼロから始める転移学習
 
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
Deep learning を用いた画像から説明文の自動生成に関する研究の紹介
 
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
 
[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習[DL輪読会]相互情報量最大化による表現学習
[DL輪読会]相互情報量最大化による表現学習
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
 
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
ICLR2019 読み会in京都 ICLRから読み取るFeature Disentangleの研究動向
 
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
 
ConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdfConditionalPointDiffusion.pdf
ConditionalPointDiffusion.pdf
 
Active Learning 入門
Active Learning 入門Active Learning 入門
Active Learning 入門
 
探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット探索と活用の戦略 ベイズ最適化と多腕バンディット
探索と活用の戦略 ベイズ最適化と多腕バンディット
 
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
効果のあるクリエイティブ広告の見つけ方(Contextual Bandit + TS or UCB)
 
文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text Understanding
文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text Understanding文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text Understanding
文献紹介:VideoCLIP: Contrastive Pre-training for Zero-shot Video-Text Understanding
 
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learningベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
ベイズ深層学習5章 ニューラルネットワークのベイズ推論 Bayesian deep learning
 
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...[DL輪読会]Revisiting Deep Learning Models for Tabular Data  (NeurIPS 2021) 表形式デー...
[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式デー...
 
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
【DL輪読会】Efficiently Modeling Long Sequences with Structured State Spaces
 
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
 

Mehr von Kosetsu Tsukuda

音楽聴取者の行動分析で理解する人と音楽とのインタラクション
音楽聴取者の行動分析で理解する人と音楽とのインタラクション音楽聴取者の行動分析で理解する人と音楽とのインタラクション
音楽聴取者の行動分析で理解する人と音楽とのインタラクションKosetsu Tsukuda
 
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)Kosetsu Tsukuda
 
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...Kosetsu Tsukuda
 
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...Kosetsu Tsukuda
 
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)Kosetsu Tsukuda
 
Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)Kosetsu Tsukuda
 
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)Kosetsu Tsukuda
 
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)Kosetsu Tsukuda
 
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)Kosetsu Tsukuda
 
Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)Kosetsu Tsukuda
 
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...Kosetsu Tsukuda
 
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)Kosetsu Tsukuda
 
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...Kosetsu Tsukuda
 
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)Kosetsu Tsukuda
 
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...Kosetsu Tsukuda
 
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)Kosetsu Tsukuda
 
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...Kosetsu Tsukuda
 
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...Kosetsu Tsukuda
 
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...Kosetsu Tsukuda
 
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...Kosetsu Tsukuda
 

Mehr von Kosetsu Tsukuda (20)

音楽聴取者の行動分析で理解する人と音楽とのインタラクション
音楽聴取者の行動分析で理解する人と音楽とのインタラクション音楽聴取者の行動分析で理解する人と音楽とのインタラクション
音楽聴取者の行動分析で理解する人と音楽とのインタラクション
 
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)
KiiteCafe: 同じ楽曲を同じ瞬間に聴きながら楽曲に対する気持ちを伝え合う音楽発掘サービス(インタラクション2022・登壇発表)
 
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...
Kiite Cafe: A Web Service for Getting Together Virtually to Listen to Music (...
 
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...
Toward an Understanding of Lyrics-viewing Behavior While Listening to Music o...
 
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)
人はなぜ・どのように歌詞を閲覧するのか:スマートフォンでの楽曲聴取時の歌詞閲覧行動分析(第17回WI2研究会)
 
Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)
 
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)
繰り返し消費されるコンテンツを対象とした推薦理由の提示(IFAT142・登壇発表)
 
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)
Kiite Cafe: 同じ楽曲を同じ瞬間に楽しんで「好き」が伝わる音楽発掘カフェ(SIGMUS132・登壇発表)
 
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)
Explainable Recommendation for Repeat Consumption(RecSys2020論文読み会)
 
Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)Explainable Recommendation for Repeat Consumption (RecSys 2020)
Explainable Recommendation for Repeat Consumption (RecSys 2020)
 
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...
Query/Task Satisfaction and Grid-based Evaluation Metrics Under Different Ima...
 
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)
The Web Conference 2020 国際会議報告(ACM SIGMOD 日本支部第73回支部大会・依頼講演)
 
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
 
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)
ABCPRec:何を創作したかという情報がコンテンツの消費時に反映されるユーザ生成コンテンツ推薦手法(WebDB Forum 2019・登壇発表)
 
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
DualDiv: Diversifying Items and Explanation Styles in Explainable Hybrid Reco...
 
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)
ABCPRec:ユーザの消費者としての役割と創作者としての役割の適応的対応付けによるユーザ生成コンテンツ推薦(第14回WI2研究会)
 
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...
ABCPRec: Adaptively Bridging Consumer and Producer Roles for User-Generated C...
 
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...
Lyric Jumper: A Lyrics-Based Music Exploratory Web Service by Modeling Lyrics...
 
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
 
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
Listener Anonymizer: Camouflaging Play Logs to Preserve User’s Demographic An...
 

【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explainable Recommendations (RecSys 2022)