---

レコメンド典型パターンについて

概要

• レコメンドを行う際の典型パターンの例示

---

最頻値

• 日付やカテゴリで区切ったitemの最頻値

日付ベース

• 日付毎にどの程度のitemのfrequencyが高いかを計算し、その週のトレンドを反映する

---

ペア

• あるitemと別のitemが近い
  • イメージとしてはitem x userの行列で見たときに、L1距離が近いitemの類似
  • あるitemのuserが他のitemのfrequencyが高い順

---

ランキング学習

• lightgbmなどでlambda rankなどで上に来るアイテムを学習する

---

コンテンツベース/ユーザベース

• ユーザの購買履歴などから過去何を買ったなどからその平均を計算し、コンテンツからの特徴を与えた特徴量を作成する
• コンテンツのベクトルとユーザをコンテンツで表現した特徴量の内積を計算してレコメンドモデルを作成する

---

NMF

• 負の値が取れない(non-negative matrix factorization)

LightFM

• adagrad + Weighted Approximate-Rank Pairwiseなどのアルゴリズムで学習するライブラリ

互最小二乗法(Alternating Least Square)

• 負の値が取れる
• 収束が安定しやすい
• /交互最小二乗法/ライブラリが充実している

---

バックテストの方法

• 時間ベースのデータの場合
  • ある期間をバックテストのデータとして利用する