Core Concepts
大規模言語モデルを使用して、ユーザーの興味や行動をモデリングし、適切な記事を推薦する方法に焦点を当てる。
Abstract
この論文では、uSer viewING fLow modEling(SINGLE)メソッドが提案されています。この方法は、記事推薦タスクにおいて、ユーザーの一貫した好みと瞬時の興味をモデル化し、過去にクリックされた記事から定数的なユーザー嗜好と瞬時の興味を捉えます。具体的には、まず、過去にクリックされた記事から定数的なユーザー嗜好を捉えるために大規模言語モデル(LLM)を利用します。次に、候補記事との相互作用を構築するために、ユーザー瞬時閲覧フローモデリング手法が設計されます。これは、候補記事と一致させるために異なる興味視点を学習することを目指しています。
Stats
ATAウェブサイトでSINGLEは前回の基準モデルより2.4%改善。
ATAデータセットでは平均AUC 68.06。
MINDデータセットではSINGLEは他の基準よりも優れたパフォーマンス。
Quotes
"This paper proposes the uSer viewING fLow modEling (SINGLE) method for the article recommendation task."
"Our experimental results on the Alibaba Technology Association (ATA) website show the advantage of SINGLE, achieving a 2.4% improvement over previous baseline models in the online A/B test."
"The experiment results on the news recommendation dataset, MIND and the technique article recommendation dataset, Alibaba Technology Association (ATA), show the effectiveness of SINGLE."