JSAI2026 制御可能なMulti-Interest推薦モデルの提案
逐次推薦システム
クリックや閲覧履歴を時系列データとして扱い、行動の流れを捉える 一般的にはユーザーを単一埋め込みで表現する
問題
ユーザーは複数の興味を持っており、単一の埋め込み表現では表現できない 推薦結果を制御しづらい
問題は理解。そもそもこれを勉強しないとだ daiiz.icon
Multi-Interest推薦システム
興味ごとに埋め込みを作成できる
推薦結果を意図的に生成可能
それぞれの埋め込みの強弱を制御しやすい
課題
Q. 埋め込みモデルが出力した結果（アイテムリスト）から観察的に説明することは難しい？
もっと内部的なところから分析したかった
タスク
興味抽出
ユーザー履歴を入力する
時系列情報も入る
Q. 直近の情報以外に重み付けすることも検討してみるといいのでは？
次アイテム予測
次カテゴリ予測
パラレル分類問題として学習
データ
評価仕様
Hit@k
nDCG@k
感想 daiiz.icon
Embeddingの分野は楽しい
いま試しているアプローチとの比較実験もしてみたい