要約
最近導入されたEASEアルゴリズムは、top-N推薦タスクを解くための簡潔で洗練された手法を提示している。本論文では、現代のニューラルネットワークを訓練するための技術を組み込むことで、このアルゴリズムの性能をさらに向上させる「Neural EASE」を提案する。また、推薦システム（recsys）コミュニティにおいて、変分自己符号化器（VAE）をこのタスクに活用する関心が高まっている。我々は、情報ボトルネックを設けず、複数の非線形層を活用しつつ、恒等写像（identity）への過学習を回避できる深層自己符号化器「FLVAE」を導入する。さらに、Neural EASEと並行してFLVAEを学習する方法を提示し、MovieLens 20Mデータセットにおいて最先端の性能を達成するとともに、Netflix Prizeデータセットにおいても競争力のある結果を得ることを示した。