SVD-AE：協調フィルタリングのためのシンプルなオートエンコーダ

推薦システムにおける協調フィルタリング（CF）手法は、行列因子分解やオートエンコーダベース、グラフフィルタリングベースの手法を含め、広範にわたって研究されてきた。近年では、全体的な計算負荷を低減するため、ほとんど訓練を必要としない軽量な手法が提案されている。しかし、既存の手法は、精度、効率性、ロバスト性の間のトレードオフをさらに改善する余地がある。特に、上記のトレードオフにおいて「バランスの取れた」CFを実現するための明確な閉形式（closed-form）の研究は依然として不足している。本論文では、特異ベクトル分解（SVD）に基づくシンプルかつ効果的な線形オートエンコーダ、SVD-AEを提案する。SVD-AEは、CFにおけるSVDに基づく閉形式解を明示的に定義可能であり、反復的な学習プロセスを必要としない。また、評価行列がノイズを含む性質を持つことを踏まえ、既存のCF手法および本研究のSVD-AEのノイズに対するロバスト性について検討した。その結果、断片的SVDに基づく本研究のシンプルな設計が、推薦性能の向上と効率性の改善とともに、ノイズに対するロバスト性を強化できることを示した。実装コードは、https://github.com/seoyoungh/svd-ae で公開されている。