2019/08/29 A Collaborative Session-based Recommendation Approach with Parallel Memory Modules https://gyazo.com/ab58123f26d688492946499b9d633ac5
イントロ
Convolutional recommendation
rataingなどのユーザとアイテム間のexplicitな情報がよく使われる
現実にはexplicitな情報は少なく、implicitな情報(click)のみが利用できることの方が多い
こうした状況では良い性能がでにくい
Session-based recommendation
現在のセッションの短期の行動から、興味をもつだろう次のアイテムを予測
主にアイテム間の推薦
セッション内のアイテムの類似度(共起など)を利用
アイテム順序は気にしないことが多い
Deep learning for session-based recommendation
RNN、GRU
限られた短期メモリのみを利用
Memory networks
長期メモリの利用が可能
Memory network-based methods for session-based recommendation
既存の手法ではユーザ自身の情報しか使っていない
近いユーザ(セッション)の情報が使えてない
Collaborative Session-based Recommendation Machine (CSRM) を提案
本論文の貢献
セッションベースのニューラルモデルで最初の協調モデル
現在のセッションと近傍のセッションを考慮するためにIME (Inner Memory Encoder)とOME (Outer Memory Encoder)を結合したモデルを提案
現在のセッションと近傍セッションの情報を選択的に結合するためにfusion gatingを導入
実験して、RecallとMRRで良い性能であることを示した
手法
Collaborative Session-based Recommendation Machine
キーアイデアは近傍のセッションを活用すること
3つのコンポーネント
Inner Memory Encoder (IME)
セッションを変換
全体のセッションの要約を表す (global)
現在のセッションに対して相対的に重要なアイテムを表す (local)
Outer Memory Encoder (OME)
近傍セッション
fusion gating
IMEとOMEの情報を結合
https://gyazo.com/458b23d43066a6b3b3a38aedb5fe546c
実験
データ
YOOCHOOSE
RecSys Challenge 2015
e-commerceの半年のクリック
最後の日をテスト、それ以外を学習
セッション長1と、出現回数5回以下のアイテムは除外
LastFM
音楽推薦のためのデータ
アーティストデータを利用
https://gyazo.com/dfe7056694f93f69cd90ec1db1f2333f
ベースライン
従来手法
POP、S-POP
Item-KNN
BPR-MF
FPMC (Factorizing Personalized Markov Chain)
RNN-based
GRU-Rec
RNN-KNN
Improved GRU-Rec
NARM (Nueral Attentive Recommendation Machine)
Memory Network-based
RUM-I
CMN
with collaborative filtering
CSRM
25% dropout
mini-batch Adam
パラメータ
学習率: (0.001, 0.0005, 0.0001)
batch size: 512
近傍数 (128, 256, 512)
評価指標
Recall@20
MRR@20
順位考慮
実験結果と分析
性能評価
https://gyazo.com/1e3c2977b6bc68daa81081ce7fd12f72
従来手法の中では Item-KNN が比較的良い
Collaborative Filtering が効果的
RNN-based な手法が従来手法よりよい
CSRMが一番よい
collaborative filteringを使っているRNN-KNNよりよい
CSRMがRUM、CMNよりよい
RUM、CMNはユーザ情報が使えないケースだと性能がよくない
Encoderの効果
IMEのみ、OMEのみの場合と比較
https://gyazo.com/ea5bed838629776ec9de8717707ad60c
aggregation operationの効果
fusion gatingと他の手法を比較
https://gyazo.com/1f55e549cccae2c89db7b2efd2714db9
近傍数の効果
https://gyazo.com/b3227165ea7927090fd38c7373f9c9d7
Session Lengthの効果
CSRMの性能がどの長さでもよい
Session Lengthが1〜10のときによりよい
Sessionが短いとSessionの意図を捉えるのが難しい
CSRMではcollaborative filtering informationを使うことで意図を捉えることができている
https://gyazo.com/10f00b297c25bacc9b1d5aae688d5e7c
まとめ
Collaborative Session-based Recommendation Machineの提案
セッションベースの手法に、協調フィルタリングの情報を活用
所感
Network Memory-based というのがあるのを知った
Collaborative filteringの情報ちゃんと使えるのはよさそう