Closed nogawanogawa closed 1 year ago
オンラインニュースサービスは、膨大な数のユーザーに利用されている。 その多くは匿名・もしくはゲストとしてログインしており、1回のログインセッションで多くの記事を読むことは多くない。 そのためシステムがユーザーの行動を完全に理解することは非常に難しい。
従来の協調フィルタリングのような推薦のアプローチではユーザーの履歴を追跡する必要があるが、このアプローチは匿名ユーザーには適用できない。 そこで、履歴をシーケンスとして扱うセッションベースの推薦タスクとして考えることができるが、このアプローチはexplicitなFBのみを使用し、暗黙的FBを扱うことは困難となっている。
時間帯によって記事が見られやすかったり、逆に見られにくかったりする。 (朝に記事を見る人もいれば、夕方にエンタメの記事を見る人もいる)
こうした傾向のため、クリックされた時間に関するattentionを計算し、その重要度をattentionとしてembeddingに付与する。
同様に、記事が公開された時間が新しいものを好む人もいる。 そこで、公開された時間に関するattentionを計算してこれは別でベクトルを作成する。
最終的に使用するときは、アイテムのembeddingに対してconcatして使用する。
通常、クリックは良いねなどと同じくポジティブなFBとして扱われることが多いが、ニュースに関しては事情が異なる。 ユーザーは騙されてクリックするかもしれないし、それに気がついてすぐに他の記事に切り替えたりする。
ここでは、impされた記事でクリックされなかった記事をstrong neg, そうでないnegativeをordinary negativeとして、別々に扱う。
通常のcross entropyに加えて、strong negative sampleに対するLossを加えている。
(あんま読んでない)
HRとNDCGがよくなっているから、評価指標的に良くなってるらしい。 ILD(多様性)の指標はそこまで悪くなってないから問題ない、unEXPは意外性スコアでこれもそこそこ高いから問題ないらしい。
論文URL
https://arxiv.org/pdf/2205.06058.pdf
著者
Shansan Gong, Kenny Q. Zhu
会議
SIGIR 2022
背景
オンラインニュースサービスは、膨大な数のユーザーに利用されている。 その多くは匿名・もしくはゲストとしてログインしており、1回のログインセッションで多くの記事を読むことは多くない。 そのためシステムがユーザーの行動を完全に理解することは非常に難しい。
従来の協調フィルタリングのような推薦のアプローチではユーザーの履歴を追跡する必要があるが、このアプローチは匿名ユーザーには適用できない。 そこで、履歴をシーケンスとして扱うセッションベースの推薦タスクとして考えることができるが、このアプローチはexplicitなFBのみを使用し、暗黙的FBを扱うことは困難となっている。
目的
アプローチ
ひとことメモ
ニュースサービスでのセッションベース推薦でimplicit FBの考え方の話