Core Concepts
ユーザーの多様な動的な意図を効果的に抽出し、対照学習を通じて意図に基づく特徴表現を最適化することで、より正確な順序推薦を実現する。
Abstract
本研究は、ユーザーの順序的な行動履歴に基づいて、ユーザーの多様な動的な意図を効果的に抽出し、対照学習を通じてユーザーの意図に基づく特徴表現を最適化することで、より正確な順序推薦を実現することを目的としている。
具体的には以下の3つの主要な点がある:
VAEを用いてユーザーの多様な動的な意図をディエンタングルし、ユーザーの行動履歴から潜在的な意図を抽出する。
2種類の対照学習のパラダイムを提案し、ユーザーの意図表現と行動履歴表現の最適化を行う。一つは意図に基づく対照学習で、最も関連性の高い意図と低い意図を対比させることで、関連性の低い意図の影響を弱める。もう一つは行動履歴に基づく対照学習で、同一ユーザーの行動履歴の類似性を高め、異なるユーザーの行動履歴の差異を大きくする。
意図ディエンタングルと対照学習を統合した推薦モデルMIDCLを提案し、4つの実データセットで実験を行い、提案手法の有効性を示した。MIDCL は他の手法と比べて顕著な性能向上を示した。
Stats
ユーザーの過去の行動履歴は時系列的に変化し、最近の行動が次の行動を予測する上で最も重要な影響を持つ。
ユーザーの行動履歴中には同じアイテムが繰り返し現れることがあり、予測の範囲は推薦よりも広い。
ユーザーの行動は複雑で多様な意図に基づいており、これらの意図を効果的に抽出することが重要である。
Quotes
"ユーザーの選択は文脈情報の影響を受けるが、自身の相互作用意図とも関連している。したがって、潜在的な意図を掘り起こすことが現在の大きな関心事である。"
"ユーザーの動的で多様な意図を効果的に抽出し、それらを順序推薦に柔軟に適用することが重要である。"