Open hakubishin3 opened 1 year ago
Amazonのブログ記事。kNNの性能を向上させたという論文の紹介がされている。 近似最近傍探索アルゴリズムではよくグラフ構造が利用される。予め探索候補を使ってグラフ構造を構築しておき、クエリがきたときにそのグラフ構造を逐次的に探索して最近傍点を見つける。
従来:どのようなグラフ構造を構築すれば最もステップ数を少なく探索を終えられるか 提案手法(FINGER):クエリと候補点の距離をどうやったら高速に計算できるか
探索の中心(c)となるグラフ上の点を基底として分解すると探索先(d)とクエリ(q)の間の距離を効率的に計算できることを示した。
最終項以外は事前計算できる。最終項は実質クエリとターゲットの間の角度で、これは高速に近似できるらしい。
https://abdollahpouri.github.io/assets/docs/wsdm2023.pdf
Himan Abdollahpouri, Zahra Nazari, Alex Gain, Clay Gibson, Maria Dimakopoulou, Jesse Anderton, Benjamin Carterette, Mounia Lalmas, Tony Jebara
WSDM '23
近年の推薦システムでは、推薦リストにおいてユーザの様々な(過去の)関心領域が、それぞれの割合で反映されることを保証するキャリブレーションが注目されている。
推薦リストは、ユーザーの持つ少数派の興味が蔑ろにされたり、全体的に人気のあるアイテムに支配されたりすることが多い。
先行研究でキャリブレーションは、貪欲法によって考慮されているが、これは現実的な時間内に解を求める保証ができない。また、一般的にキャリブレーションは推薦自体の精度劣化を引き起こすことがわかっている
キャリブレーションしつつ、他の手法と比べて精度劣化を抑えられた
ユーザーがボットとエンゲージし会話を終了するまでにの、対話の体験を構成するもの。
Why
推薦・機械学習勉強会は、推薦や機械学習、その周辺技術を通じてサービスを改善することにモチベーションのある人達の集まりです。ニュースやブログから論文まで、気になったものについてお互い共有しましょう!
発信のため、ここは public にしてあります。外部からの参加をご希望の方は樋口(https://twitter.com/zerebom_3) まで DM を送るか、Wantedly Visit の募集(https://www.wantedly.com/projects/391912) よりご連絡ください!
What
Wantedly では隔週水曜日に
といった話をする「推薦・機械学習勉強会」を開催しています。 この ISSUE はその会で話すネタを共有するための場所です。
話したいことがある人はここにコメントしましょう! 会の間に話した内容もここにメモしましょう!
prev: #198