chimuichimu
commented
3 months ago Personalized Audiobook Recommendations at Spotify Through Graph Neural Networks
概要
Spotifyがオーディオブック推薦にGNNベースのモデルを使って、再生開始率などの指標を改善した
背景
- 2022年にSpotifyは従来の音楽やPodcastに加えて、オーディオブックのサービスを開始
- Spotifyのオーディオブック推薦における難しさ
- オーディオブック推薦の過去の研究が少ない
- 新規サービスであるためデータが疎
- サービス開始当初は直接販売モデルであったため「まず聴いてもらう」のハードルが高い
- 拡張性、低レイテンシなどの性質が要求される
事前分析で分かったこと
- 一部のパワーユーザと人気タイトルが支配的
- Podcastのコンテンツ情報やインタラクション情報が、オーディオブックの嗜好性と関連している
- "フォローする"のような弱いシグナルが、実際にストリームを開始する行動と関連している
手法
全体像
2T-HGNN : Heterogeneous Graph Neural Network (HGNN) と Two tower (2T) を組み合わせたモデル。ざっくり言うとHGNNでアイテム（オーディオブックとPodcast）のembeddingを作っておいて、そのembeddingとユーザやアイテムのメタデータの情報からtwo-towerでユーザに対する推薦を作る、ということをやっている。
Co-listenings HGNN
ユーザの行動ログから、オーディオブックとPodcastという2種類のノードタイプを持つHeterogeneousなグラフを作成する。作成されたグラフにLLMで作成したアイテムのtitleとdescriptionのembeddingをノード特徴量として入れた上で、ノード間のリンクを復元するようにノードのembeddingを学習する。学習の結果のアウトプットとして、オーディオブックとPodcastのembeddingが得られる。
2T
HGNNで作成されたオーディオブックとPodcastのembeddingにユーザやアイテムのメタデータを加えたうえで、ユーザとオーディオブックのtwo-towerで学習・推論を行う。
結果
本番環境でのA/Bテストの結果、以下のようなビジネス指標の改善が確認された
- Stream rate: +23%
- New audiobooks start rate: +46%
Hayashi-Yudai
hakubishin3
nogawanogawa
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/236
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！