RecSys 2018のペーパーを読んでいく(13) ... 推薦によりユーザ行動をどの程度喚起するかどうかでモデルをつくった話
2019/04 、RecSys 2018の論文をひたすら読みます。ルール。
- 1日ひとつ
- 読み終わらなくてもOK
- 理解と疑問点を毎日まとめる
読んでいこうと思っていたのですが、ビデオがつくようになったのでそれを見ます。GWにはいったので、まとめてみるよ。次はCausal Embeddings for Recommendation
Abstract:
- 推薦システムは、過去のユーザ行動からユーザの好みを予測して推薦するアイテムを決めるものがほとんど
- でも本来の目的は「売り上げ増加」だったり「Webで過ごす時間の増加」だったりでギャップがある
- この論文では、推薦アルゴリズムがランダムな推薦アルゴリズムに比べてどれくらい「売り上げ」などの真の目標をリフトしたか、に着目
- この観点でランダムな推薦アルゴリズムより学習していくことにより 、とてもよいパフォーマンスを得られた
ざっくり
- criteo の人
- 既存の手法は、ユーザの好み、アイテムとの相性みたいなものに重きをおきがち
- モチベーションは「ここ推薦しないほうがよかったってものがきっとあるはず」
- つまり、推薦したことによってユーザの行動をどう望んだものに変えられるか、変化が大きい推薦アルゴリズムを採用したい
- そこで、CausE
- ランダムに推薦するものと、得られる褒賞を比較
- いつものテンソル分解
- そろそろ理解できるようにならないと
感想
- Long Paper のベスト。ここ気になっていたので面白かった
- これはPaper を読む
- しかし早口!2回きいた
- そろそろ MF / NMF / FM あたりをものにしたい