iALSによる行列分解の知られざる真の実力

以下では、この表データは \(X\) という行列にまとめられているとします。上記テーブルに含まれる user_id 数を \(N_U\) , item_id 数を \(N_I\) とするとき、 \(X\) は \( N_U \times N_I\) 行列であり、その第 \(i\) 行は user_id として \(\mathrm{user}[i]\) を持つユーザーに、第 \(j\) 列 は item_id として \(\mathrm{item}[j]\) を持つアイテムに対応するとします。このマッピングのもと、 \(X\) の \(i\) 行 \(j\) 列の要素は、以下の式で与えられます。 $$ X_{ij} = \begin{cases} 1 & (\text{if } \mathrm{user}[i] \text{ and } \mathrm{item}[j] \text{ had

[yoshikidz]

“ユーザーの行動履歴から、その興味に応じたアイテムを推薦したいとき”シンプル強調フィルタリングよくみてたけど、ロジックだけみてみよ。BigQueryとかで応用効くかな

[skypenguins]

推薦システム

[tlaus_kennstedt]

書きました。ここでは書ききれなかったのですが、iALSには他にも、新規ユーザーに対しても既知アイテムとの接触があれば推薦が容易であることなど、SGDベースのアルゴリズムと比べて有利な点があります。

[tmatsuu]

メモ