RecSys 2020 (11) Day3, Novel Machine Learning Approaches II
最後のセッションですね。
番外編 : Expo: Netflix Research
Netflix の研究所があらゆることをやっているよ、という話。話している人、去年Spotify にいたようないなかったような。
Designing good exploration is an art
他、「metrics に設定したものしか改善しない」みたいな金言がいろいろきけたので、スライドが公開されたらもう一回みます。
Exploiting Performance Estimates for Augmenting Recommendation Ensembles
Abstract
Ensemble をどうするかが、職人技すぎるので、そうではなく、パフォーマンスを計測する方法を提案する。Best Long Paper の次点。
感想
使えそうな感じがするのだが、寝ぼけていたのか理解できなかった。
Cascading Hybrid Bandits: Online Learning to Rank for Relevance and Diversity
Abstract
topics のdiversification のために、topic coverage をたもって推薦アイテムのリストをつくることを考える。
提案手法。relevance と diversity のバランスをとる。
感想
どのあたりがcascadeなのか。これをみたらわかるのか。ML 用語なのだろう。勉強が足りない。
MultiRec: A Multi-Relational Approach for Unique Item Recommendation in Auction Systems
Abstract
Auction System は1点ものなので、過去の実績で推薦するCF は使えない。なので、ある情報すべてつかってどうにかする。
どうにか。
感想
オフラインテストでかなり良い結果がえられていた。
Contextual and Sequential User Embeddings for Large-Scale Music Recommendation
Abstract
Spotify。音楽の推薦では今日の今までで何聞いたかとか、どのデバイスで聞いているかとかのsession が大事。
なので、sessionを考慮したモデルを考える。
LSTM なつかしさ感じる。さて、評価。
感想
base line のOracle ってなんだろう。
ImRec: Learning Reciprocal Preferences Using Images ⭐️
Abstract
pairs の推薦をプロフィール画像を中心につくってみた。
検証したら、特にImRec はcold start (まだLIKE を一個もしていない、など)のときにいい感じになった。
感想
QA がめちゃくちゃもりあがった。「全身写真と顔写真と、どっちがもてるの?」とか。 あと、Siamese Networkを初めて知った。