3. Matrix factorization • ユーザのアイテムに対する評価値をそれぞれに対して低次元のベクトルを割り 当ててベクトルの積として近似する • ユーザuに対するアイテムiのスコア𝑠",$を – 𝑠",$ = ∑ 𝑝$,( 𝑣",(( – で表す • Matrix factorizationの課題 – ユーザに対して低次元ベクトルを割り当てるのはユーザが極めて少数のアイテムしか評 価していない時、学習の精度がよくない – 購買データや視聴データなどは買ったかやどうかの値しか得られず、レビューデータの ように点数を得ることができない (観測されている値が1しか存在しない) – 予測スコアについて最適化する形となるが実務上は最適化したいのはユーザにレコメン ドするリストの上位の少数のアイテムについて最適化したい