RecSys 2018のペーパーを読んでいく(18)... 推薦システムと生成モデルを融合して「次は何がくる？」問題に挑戦した話
2019年春、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
昨日から5月だった。1日ひとつ読めていませんが、全部読んでから考える。次はGeneration meets recommendation: proposing novel items for groups of users。
Abstract:
- どのようなコンテンツ、製品をつくったら、自分の顧客を満足させられるか、というのは、企業の悩み
- この課題を解決するモデルを提案する
- Deep な生成モデルで、潜在空間を学習
- Greedy Search アルゴリズムで学習した潜在空間から、特定のユーザグループとそこにうけいれやすい製品の機能・特徴を見つける
ざっくり
- 推薦システムは「消費者」に好みのアイテムを推薦するものがほとんど
- これを「生産者」に何をつくれば受け入れられるか、示唆するものに変えたい
- 製品がすでに市場に出回っていれば、ユーザがどの製品を好きかどうか測ることにより、どのような製品がどのユーザに受け入れられているか、みることができる
- ただ、いま知りたいのは「未来にどんな製品をつくるべき？」という話。製品がないので、データもない。
- ここを解決するために、生成モデルを構築した
- VAEを利用して、製品とお客さんから潜在空間を学習
- 潜在空間上でユーザのカバレッジがよくなるような製品をピックアップする（最適化）する
- 潜在空間上の製品をデコードすると「どんな機能をもつ製品なのか」がわかる
感想
