
推薦システムにおいて、ユーザーの真の嗜好を理解するために、適切な負のサンプルを選択することが重要である。


coremsg

ユーザー嗜好の理解を深めるための重要な負のサンプリング手法の調査と今後の方向性

title_rewrite


推薦システムの暗黙的な協調フィルタリングタスクにおいて、従来の硬いネガティブサンプリング手法は過剰適合の問題に悩まされてきた。本研究では、この問題の原因が偽のネガティブサンプルの選択にあることを示し、正のサンプルの情報を多く含む新しい硬いネガティブサンプリング手法PDNS(Positive-Dominated Negative Synthesizing)を提案する。PDNSは理論的にも頑健性があり、実験的にも従来手法に比べて優れた性能を示す。


ユーザー嗜好の理解を深めるための重要な負のサンプリング手法の調査と今後の方向性

推薦システムの強化: 偽のネガティブサンプルの影響を軽減する戦略