ベイジアンネットに基づくプライバシーを保護し情報推薦モデルの評価

摘要

ベイジアンネットに基づくコンテンツベースの情報推薦モデルをプライバシー保護して作成する方法を提案する.アイテムに付与した評価値の最頻値と標準偏差によってユーザを複数のクラスに分類し，クラス毎に推薦モデルを作成する.また，アイテムの特徴量として，ジャンル情報に加え，各アイテムに付与された評価値の最頻値と標準偏差を用いる.MovieLensが公開している10万件の映画評価データセットを用いて，推薦性能の評価を行う.ユーザベースの協調フィルタリングと比較し，ほぼ同程度の推薦精度が得られ，推薦に要する処理時間が極めて短くなることを示す.%This paper proposes a method for privacy-preserving construction of content-based recommendation models based on Bayesian networks. Users are classified into classes according to the mode and standard deviation of their item rating. The recommendation models are built for each class. Accompanied with genre information originally labeled to each item, the mode and standard deviation rated by users are used as additional item feature. Recommendation performance is measured using the 100000 movie evaluation data set published by GroupLens project. Compared with user-based collaborative filtering, the proposed method obtains almost comparable accuracy with extremely shorter processing time.