A recommendation system is inherently an interactive system that involves recommending action of the system and according responses from the user.
This interaction process had not been fully exploited for learning recommender models until the choice-based recommendation system was proposed.
Recently, a choice-based recommender algorithm called Collaborative Competitive Filtering (CCF) was proposed.
CCF exploits the information generated while the system and user interact with each other.
CCF uses a multinomial logit model to describe user`s choice behavior occurring in the user-system interactions.
CCF showed superb predictive capability in several large-scale real-world datasets, outperforming other rating-based recommender algorithms.
The main drawback of CCF, however, is the requirements of manual complexity control.
In CCF, regularization parameters have to be manually tuned to make the model generalize well on unseen data.
The computational costs of the procedure, however, are often prohibitive, since it requires training a multitude of models.
In this paper, we introduce Bayesian Collaborative Competitive Filtering (BCCF) which is a fully Bayesian treatment of the CCF model.
Unlike CCF, BCCF automatically controls model capacity by integrating over all model parameters and hyperparameters.
We also introduce an MCMC-based inference algorithm for the BCCF model.
Experiments on large-scale real-world datasets demonstrate that BCCF outperforms CCF and other rating-based recommender algorithms.
추천시스템은 시스템이 제공하는 추천과 이에 따른 사용자의 응답이라는 상호작용을 수반하는 시스템이다.
이러한 상호작용 과정을 추천모델의 학습에 사용하는 연구는 선택기반의 추천시스템이 제안되기 전까지 추천모델의 학습에 제대로 사용되지 않았다.
최근, 협력-경쟁 필터링(Collaborative Competitive Filtering)이라는 선택기반의 추천시스템이 제안되었다.
협력-경쟁 필터링 알고리즘은 사용자-시스템 간의 상호작용에서 발생하는 사용자의 행동 양식을 다항로짓(Multinomial logit)모델로써 모델링하였다.
이러한 모델링 방법을 통해 협력-경쟁 필터링 알고리즘은 대규모의 데이터 세트에서 기존의 평가기반 추천 알고리즘들보다 우수한 예측 능력을 보였다.
그러나 협력-경쟁 필터링 알고리즘은 새로운 데이터 세트에 대한 일반화 성능의 향상을 위하여,
많은 계산비용을 수반하는 모델의 모수 조정과정이 필요하다는 난점이 존재한다.
본 논문에서는 협력-경쟁 필터링 알고리즘에 베이지안(Bayesian)기법을 적용한 베이지안 협력-경쟁 필터링 알고리즘을 제안한다.
베이지안 협력-경쟁 필터링 알고리즘은 모수와 초모수에 대해 적분을 취함으로써, 협력-경쟁 필터링 알고리즘에서 필요했던 모수에 대한 조정과정을 생략할 수 있다.
또한, 본 논문에서는 베이지안 협력-경쟁 필터링 모델에서의 효과적인 추론을 위한 마르코프 사슬 몬테 카를로(Markov chain Monte Carlo) 알고리즘을 소개하며,
대규모의 데이터 세트에서의 실험을 통하여 베이지안 협력-경쟁 필터링 알고리즘이 협력-경쟁 필터링 알고리즘보다 우수함을 확인한다.
