Leveraging User-Generated Reviews for Recommender Systems with Dynamic Headers, Shanu Vashishtha+, N/A, PAIS'24

[AkihikoWatanabe]

URL

• https://arxiv.org/abs/2409.07627

  Affiliations

  • Shanu Vashishtha, N/A
  • Abhay Kumar, N/A
  • Lalitesh Morishetti, N/A
  • Kaushiki Nag, N/A
  • Kannan Achan, N/A

    Abstract

  • E-commerce platforms have a vast catalog of items to cater to their customers' shopping interests. Most of these platforms assist their customers in the shopping process by offering optimized recommendation carousels, designed to help customers quickly locate their desired items. Many models have been proposed in academic literature to generate and enhance the ranking and recall set of items in these carousels. Conventionally, the accompanying carousel title text (header) of these carousels remains static. In most instances, a generic text such as "Items similar to your current viewing" is utilized. Fixed variations such as the inclusion of specific attributes "Other items from a similar seller" or "Items from a similar brand" in addition to "frequently bought together" or "considered together" are observed as well. This work proposes a novel approach to customize the header generation process of these carousels. Our work leverages user-generated reviews that lay focus on specific attributes (aspects) of an item that were favorably perceived by users during their interaction with the given item. We extract these aspects from reviews and train a graph neural network-based model under the framework of a conditional ranking task. We refer to our innovative methodology as Dynamic Text Snippets (DTS) which generates multiple header texts for an anchor item and its recall set. Our approach demonstrates the potential of utilizing user-generated reviews and presents a unique paradigm for exploring increasingly context-aware recommendation systems.

    Translation (by gpt-4o-mini)

• Eコマースプラットフォームは、顧客のショッピングニーズに応えるために膨大なアイテムカタログを持っています。これらのプラットフォームの多くは、顧客が希望するアイテムを迅速に見つけられるように最適化された推薦カルーセルを提供し、ショッピングプロセスを支援しています。学術文献では、これらのカルーセル内のアイテムのランキングやリコールセットを生成・強化するための多くのモデルが提案されています。従来、これらのカルーセルのタイトルテキスト（ヘッダー）は静的であり、ほとんどの場合、「現在表示中のアイテムに似た商品」といった一般的なテキストが使用されています。また、「類似の販売者からの他のアイテム」や「類似のブランドからのアイテム」といった特定の属性を含む固定的なバリエーションや、「一緒に頻繁に購入される」や「一緒に考慮される」といった表現も見られます。本研究では、これらのカルーセルのヘッダー生成プロセスをカスタマイズする新しいアプローチを提案します。私たちの研究は、ユーザーが特定の属性（側面）に焦点を当てたレビューを活用し、ユーザーが特定のアイテムとのインタラクション中に好意的に認識した側面を抽出します。これらの側面をレビューから抽出し、条件付きランキングタスクの枠組みの下でグラフニューラルネットワークベースのモデルを訓練します。私たちの革新的な手法は、Dynamic Text Snippets（DTS）と呼ばれ、アンカーアイテムとそのリコールセットに対して複数のヘッダーテキストを生成します。私たちのアプローチは、ユーザー生成のレビューを活用する可能性を示し、ますますコンテキストに配慮した推薦システムを探求するためのユニークなパラダイムを提示します。

  Summary (by gpt-4o-mini)

• Eコマースプラットフォームの推薦カルーセルのヘッダー生成をカスタマイズする新手法「Dynamic Text Snippets（DTS）」を提案。ユーザーのレビューから特定の属性を抽出し、グラフニューラルネットワークを用いて複数のヘッダーテキストを生成。これにより、コンテキストに配慮した推薦システムの可能性を示す。

[AkihikoWatanabe]

e-commerceでDynamicにitemsetに対するスニペット（見出し）を生成する研究。Attributeに基づいてスニペットを生成する。

斜め読みだが、Anchor ItemがGivenであり、kNNされたアイテム集合から抽出されたに基づいて生成するので、Anchor Itemをユーザが与えるのであれば一時的個人化によるpersonalizationとみなせる。Anchor Itemをユーザの履歴からシステムが複数件選び集約して推薦するみたいなパラダイムになれば、永続的個人化とも言えそう。が、後者の場合共通のAttributeが見出せるか不明。