Ekar: 知識を考慮した説明可能な推薦手法

本論文では、知識グラフを用いた推薦システムについて研究し、データの希少性や新規ユーザ問題（cold start）を効果的に解決する方法を提案しています。最近、この問題に対する様々な手法が開発されており、一般的にはユーザとアイテムの有効な表現を学習し、その表現に基づいてアイテムをユーザにマッチングしようと試みています。これらの手法は非常に効果的であることが示されていますが、説明力に欠けています。説明力は推薦システムにおいて重要な要素です。本論文では、異なるアプローチを取り、ユーザからアイテムへの意味のあるパスを見つけることで推薦を生成することを提案します。具体的には、問題を順次決定過程として定式化し、対象ユーザを初期状態と定義し、グラフ上のエッジをアクションとして定義します。報酬は既存の最先端手法に基づいて設定され、方策勾配法を使用して方策関数を訓練します。3つの実世界データセットでの実験結果は、提案手法が効果的な推薦だけでなく、良好な説明も提供できることを示しています。