Beschränkte Boltzmann-Maschinen für kollaboratives Filtern

Die meisten der bestehenden Ansätze für kollaboratives Filtern können sehr große Datensätze nicht bewältigen. In diesem Artikel zeigen wir, wie eine Klasse von zweischichtigen, ungerichteten Graphmodellen, sogenannte Restricted Boltzmann Machines (RBMs), zur Modellierung tabellarischer Daten, wie etwa Nutzerbewertungen von Filmen, eingesetzt werden kann. Wir stellen effiziente Lern- und Inferenzverfahren für diese Modellklasse vor und demonstrieren, dass RBMs erfolgreich auf den Netflix-Datensatz angewandt werden können, der über 100 Millionen Nutzer-/Film-Bewertungen enthält. Zudem zeigen wir, dass RBMs sorgfältig abgestimmte SVD-Modelle leicht übertreffen. Wenn die Vorhersagen mehrerer RBM-Modelle und mehrerer SVD-Modelle linear kombiniert werden, erreichen wir eine Fehlerquote, die um mehr als 6 % besser ist als die des eigenen Systems von Netflix.