D-003
深層学習を用いた情報推薦における初期補完値が与える推薦精度への影響

◎田中恒平・小林亜樹（工学院大）

情報推薦分野で取り扱うアイテムの購入履歴や評価などの嗜好データは,一般に大部分が欠損値であるということが知られている.ディープラーニング技術は欠損値の存在を許容しないため,嗜好データを適用する場合には欠損値を補完する必要がある.
本稿では,欠損値の補完をユーザがアイテムに付与した評価値の平均とするような一般的な手法のほか,定数を割り当てるなど複数の手法による推薦精度を比較し，初期補完値が推薦精度に与える影響について検証することが目的となる.このとき嗜好データの学習には,入力と出力が等しくなるように学習を行うニューラルネットワークの枠組みであるオートエンコーダを用いる.