2019年、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
あと、20くらいですかね。全部読んでから考える。今回は、Deep Inventory Time Translation to Improve Recommendations for Real-World Retail。
Abstract
- 商店は多くの在庫をもてない
- 在庫がある商品を推薦することが重要
- 画像から商品どうしの類似度を算出し、在庫なしの商品の代わりに在庫あり商品を推薦できるようにする
- さらに、同じ商品のみが推薦されないよう、うまくばらけるようにした
- 推薦の精度を落とさずにカバレッジをあげることに成功した
ざっくり
- 現実の問題として「在庫」問題があるため、なんでもかんでも推薦できるわけではない
- まずは商品同士の距離を計算することにより、「在庫なし商品」の代わりに「在庫あり」商品を推薦できるようにした
- ただ、これだけだと人気のある商品のみが繰り返し推薦されることになる
- そこで、「Next -nearset - Neighbor」を探索し、より人気のない商品を選択することにより、推薦される商品がばらけるようにした
- Wide & Deep Learning とか、そんなやつを組み合わせてつくった
- 良い結果が得られた
感想
- 質問なかった
- ひとつの出力をさらに現実の問題に適応させるために丁寧に調整しているイメージ
- Wide & Deep Learning はあとでしらべてみよう
