特徴量追加とアンサンブルによる商品推薦モデルの改善
Qiita / 2026/5/3
💬 オピニオンModels & Research
要点
- 商品推薦で暗黙的評価を扱う推薦モデルについて、特徴量追加とアンサンブルにより性能改善を行う方針が示されている。
- 特徴量の拡充によってユーザー・アイテムの関係をより表現し、モデルの予測精度向上を狙っている。
- 複数モデルのアンサンブルにより汎化性能を高め、単一モデルの弱点を補う設計になっている。
- 取り組みは前回記事からの発展として位置づけられており、推薦アルゴリズム実装・改善の実務的な知見が中心となっている。
はじめに
前回の記事では、暗黙的評価に対する推薦アルゴリズムとして、ALSとBPRのアルゴリズムについて勉強した
今回はそれに加え、精度を改善するための2つの取り組みを実施する
1.ユーザー属性を考慮した予測をおこなう
2.Reciprocal Rank Fusion...
この記事の続きは原文サイトでお読みいただけます。
原文を読む →
