McAuley '15
タイトル:
Image-based Recommendations on Styles and Substitutes
掲載:
SIGIR 2015
リンク:
http://cseweb.ucsd.edu/~jmcauley/
1. どんなもの?
画像アイテムのcross-category推薦。特徴量はimageNet。compatibleなアイテム同士の特徴ベクトルの差分のL2ノルムが小さくなるような線形変換を学習。
2. 先行研究と比べてどこがすごい?
クロスカテゴリーであること。
3. 手法のキモはどこ?
線形変換はマハラノビス行列を基本とするがパラメタ多すぎで学習不能のため、その低ランク近似を学習する。
実際のところ、線形変換は単に最尤推定されておりマハラノビス行列とどのように関連で受けられているのかは不明。
4. どうやって有効打と判断した?
5. 議論はある?
ユーザ行列を追加してパーソナライズ拡張も可能。ただし詳しく検証はされてなさそう。
6. 次に読むべき論文は?