Learning Similarity Preserving Binary Codes for Recommender Systems

• 学会: AdKDD 2022
• http://papers.adkdd.org/2022/papers/adkdd22-shi-learning.pdf

内容

• 巨大な推薦問題を解くために、ユーザベクトルと商品ベクトルをバイナリーコーディングするのが有用
• 関連研究
  • 行列分解でベクトルを学習してから、バイナリーコーディングする２段階に分けた手法
  • scaled tanh関数を用いて、ベクトルの学習とバイナリーコーディングする。ユーザベクトルや商品ベクトルはAE, VAE, GNNを用いて表し、相互作用はsimilarity lossやrank lossを用いて学習する。
  • cross-modal retrievalではNNを使って特徴量を抽出し、バイナリーコーディングする。
• モデルは3つの損失関数を用いて学習する
  • explicit feedback matrixを auto encoderにより、再構築した時の二乗誤差
  • 異なるモーダリティのエンティティ間の類似度を測るためのMap推定
  • bitがバランスよくなるような損失
• バイナリーコーディングはsign関数を学習が進むごとにaが指数的に増える tanh(a f) を用いて近似する
• 実験では関連手法よりよかった