Open yskn67 opened 3 years ago
Temporal Recommendationと呼ばれるユーザのエンゲージメント系列から 次のエンゲージメントを予測するSASRecという手法の改良。 SASRecではパーソナライズがされていなかったが、 SSE-PTでは最初のembedding layerでユーザのembeddingをconcatすることでパーソナライズするように改良。 ただし、単純にconcatするとすぐにoverfittingするので SSEと呼ばれるembeddingを一定確率で他のembeddingと入れ替える正則化手法で対応。 学習データの整形方法を調整することで長い系列長を獲得するSSE-PT++というものも同時に対応。 5つのデータセットではnDCG, Recallともにoutperform。
https://dl.acm.org/doi/10.1145/3383313.3412258
Liwei Wu 1 Shuqing Li 1 Cho-Jui Hsieh 2 James Sharpnack 1
1 University of California, Davis 2 University of California, Los Angles
recsys 2020
次に読む論文 Self-Attentive Sequential Recommendation https://arxiv.org/abs/1808.09781 Stochastic Shared Embeddings: Data-driven Regularization of Embedding Layers https://arxiv.org/abs/1905.10630
一言でいうと
Temporal Recommendationと呼ばれるユーザのエンゲージメント系列から 次のエンゲージメントを予測するSASRecという手法の改良。 SASRecではパーソナライズがされていなかったが、 SSE-PTでは最初のembedding layerでユーザのembeddingをconcatすることでパーソナライズするように改良。 ただし、単純にconcatするとすぐにoverfittingするので SSEと呼ばれるembeddingを一定確率で他のembeddingと入れ替える正則化手法で対応。 学習データの整形方法を調整することで長い系列長を獲得するSSE-PT++というものも同時に対応。 5つのデータセットではnDCG, Recallともにoutperform。
論文リンク
https://dl.acm.org/doi/10.1145/3383313.3412258
著者/所属機関
Liwei Wu 1 Shuqing Li 1 Cho-Jui Hsieh 2 James Sharpnack 1
1 University of California, Davis 2 University of California, Los Angles
投稿日付(yyyy/MM/dd)
recsys 2020