核心概念
クロスドメインシーケンシャル推薦は、複数のドメインからの相互作用情報を統合し、ユーザーの好みをより立体的にモデル化することで、推薦の精度を向上させる。
要約
本調査では、クロスドメインシーケンシャル推薦(CDSR)の問題定義を4次元テンソルを用いて行い、多方向の次元削減と多様な入力表現について分析しています。
マクロ的な視点からは、ドメイン間の情報融合を行う多層構造のモデルアーキテクチャを概観し、ドメイン間の橋渡しについて説明しています。
ミクロ的な視点からは、基本的な技術(RNN、注意機構、GNN)と補助的な学習技術(転移学習、対照学習など)を詳細に分析しています。
さらに、一般的に使用されるデータセットと代表的な実験結果を示し、今後の研究方向性として、多ドメイン同時改善、異種情報融合、非重複情報の深活用、プライバシー保護、公平性と解釈可能性、先進的な技術の適用などを提案しています。
統計
ユーザーuがアイテムiと相互作用した回数は、ドメインdにおいて時刻tで表される。
ユーザーuの過去の相互作用履歴は、ドメインAでは{iA
1, iA
2, ...}、ドメインBでは{iB
1, iB
2, ...}のようなシーケンスとして表現できる。
引用
"クロスドメインシーケンシャル推薦(CDSR)は、複数のドメインからの相互作用情報を統合し、ユーザーの好みをより立体的にモデル化することで、推薦の精度を向上させる。"
"CDSR問題は、ユーザー、アイテム、時間、ドメインの4次元テンソルを用いて定式化できる。"
"ドメイン間の情報融合には、同一ユーザー、コンテキスト、クラスタリングなどが重要な橋渡しとなる。"