時間的データシフトに対応可能な、オンラインレコメンデーションシステムのための検索と蒸留フレームワーク

現在のレコメンデーションシステムは、時間的データシフトの深刻な問題に直面しており、単に訓練データを増やしただけでは対応できない。本研究では、固定された検索空間内では、データと検索空間の関係が時間に依存しないという定理を提案し、この原理に基づいて、検索フレームワークと蒸留フレームワークからなる新しいパラダイムRADを設計した。RADは、シフトしたデータを活用して元のモデルの性能を大幅に向上させることができる。