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