hakubishin3 commented 2 years ago

Why

Machine Learning 輪講は最新の技術や論文を追うことで、エンジニアが「技術で解決できること」のレベルをあげていくことを目的にした会です。

prev. https://github.com/wantedly/machine-learning-round-table/issues/131

What

話したいことがある人はここにコメントしましょう！面白いものを見つけた時点でとりあえず話すという宣言だけでもしましょう！

Hayashi-Yudai commented 2 years ago

Multi-view Graph Attention Network for Travel Recommendation

今までの旅行推薦アルゴリズムでは、出発地、目的地、値段といったシンプルな単一要素しかモデルに取り込んでこなかった。これが GNN の導入によって大きく性能を上げた。この研究では、さらにattentionを取り入れた GAN (Graph Attention Network)を使うことでstate-of-the-artを達成

user->product
user->product->departure
user->product->destination
user->product->price

という4つのviewを使ってユーザーと商品のembeddingを作成

zerebom commented 2 years ago

Multi-Interest Network with Dynamic Routing for Recommendation at Tmall

アリババグループの論文。

モチベーション

ECのトップページにアイテムを推薦したい。しかしユーザの興味の種類は複数あり、単一のベクトルでは表現しきれないはず。そこで、ユーザの行動を複数の興味ベクトルから抽出する仕組みを作りたい。また行動に応じてリアルタイムにユーザ表現ベクトルを変化させたい。

手法

Dynamic Routing機構を使ってユーザの行動から複数の興味を抽出。

Dynamic Routing Between Capsulesの参考資料

hakubishin3 commented 2 years ago

インターリービングにおける正確性と効率性の理論的考察

https://cms.dbsj.org/deim2022/participant/?channel=paper&id=E43-4

インターリービング手法の動作原理について理論的に解析している。インターリービングの効用については経験的・実験的なものが多かったが、遂に理論的に議論されるように（嬉しい）
インターリービングの正確性 (インターリービングで得られるランキングの優劣がA/Bテストで得られる優劣と一致するかどうか ) と効率性 (誤差確率が小さいかどうか）について解析している。効率性に関しては、走査確率が静的なケース (適合度に依存しない) と動的なケース (適合度に依存している) のそれぞれのパターンについて導出。特に後者の場合において、インターリービングがA/Bテストよりも効率が良いことを実験結果と合わせて示している。

nogawanogawa commented 2 years ago

End-to-End Retrieval in Continuous Space

論文URL

https://arxiv.org/abs/1811.08008

著者

Daniel Gillick, Alessandro Presta, Gaurav Singh Tomar

会議

多分なし

背景

従来の転置インデックスを使用した離散検索とは異なり、表現学習を用いた連続空間での検索は様々な利点が期待されている。しかしながら、連続検索はこれまで主に離散検索の結果のリランキング用途として使用され、End-to-Endで検索にテキスト表現を学習したモデルは使用されてこなかった。

目的

標準的なANN検索を用いた連続検索による検索システムの構築

アプローチ

Dual Encoder
- アイテムはオフラインで、クエリはオンラインでそれぞれEncode
- これらをANNによって検索を行う

メモ

https://github.com/nogawanogawa/paper_memo/issues/34

wantedly / machine-learning-round-table

[2022/03/03]Machine Learning 輪講 #133

Why