2022-01-14
協調フィルタリングにおいて、行列分解(e.g. MatrixFactorizaion)のようなEnbeddingに基づくレコメンドモデルは10年以上に渡って最先端を走ってきた。近年では、多層パーセプトロン(MLP)を用いた学習によって得られた類似度の活用が提案されている。このアプローチはNeural Collaborative Fitering(NCF)と呼ばれる。この研究ではNCFの論文実験を見直した。第一に、適切なハイパーパラメータを選択することで、単純な内積の学習がMLPを大幅に上回ることを示す。第二に、MLPは理論的にはいかなる関数にも近似できるが、MLPによる内積の学習は簡単ではないということを示す。最後に、production環境において内積モデルは効率的なアルゴリズムになりうるが、MLPベースの類似度は運用コストが高すぎると示す。内積モデルはよりよい選択になりうると結論付けた。