RecVAE：暗黙的フィードバックを用いたTop-N推薦のための新たな変分オートエンコーダ

最近の研究では、深層ニューラルネットワークに基づくオートエンコーダーを協調フィルタリングに用いることの利点が示されている。特に、多項分布尤度を用いた変分オートエンコーダー（Variational Autoencoders, VAE）を採用した最近提案されたMult-VAEモデルは、トップN推薦において優れた性能を発揮している。本研究では、変分オートエンコーダーに対する正則化技術に関する我々の研究に基づき、RecVAE（Recommender VAE）モデルを提案する。RecVAEは、Mult-VAEの性能を向上させるために、いくつかの新規なアイデアを導入している。具体的には、潜在コードに対する新しい複合事前分布の導入、β-VAEフレームワークにおけるβハイパーパラメータの設定手法の革新、および交互更新に基づく新しい学習アプローチの採用である。実験評価において、RecVAEが従来提案されたオートエンコーダーに基づくモデル（Mult-VAEおよびRaCTを含む）を、古典的な協調フィルタリングデータセットにおいて顕著に上回ることを示し、新規な手法の有効性を検証する詳細なアブレーションスタディを実施した。コードおよびモデルは、https://github.com/ilya-shenbin/RecVAE にて公開されている。