推薦システムにおけるオンライン行動のモデリング:時間的文脈の重要性【JST・京大機械翻訳】

Filipovic Milena; Mitrevski Blagoj; Antognini Diego; Glaude Emma Lejal; Faltings Boi; Musat Claudiu

プレプリント

J-GLOBAL ID：202202208063251865 整理番号：21P0049610

推薦システムにおけるオンライン行動のモデリング:時間的文脈の重要性【JST・京大機械翻訳】

Modeling Online Behavior in Recommender Systems: The Importance of Temporal Context

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年09月19日プレプリントサーバーでの情報更新日： 2021年09月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

レコメンダーシステム研究は,モデル性能オフラインおよびランダムにサンプリングされたターゲットを評価する傾向があるが,同時に,同じシステムは,時間内の固定点から順次ユーザ行動を予測するために使用される。オンライン推薦システム性能のシミュレーションは正当に困難であり,オンラインとオフライン挙動の間の不一致はオフライン評価では典型的には説明されない。この不均衡は,モデルが生産設定で展開されるまで,弱点を失わせることを可能にした。本論文では,推薦者システム性能を評価するときの時間コンテキストの省略が,偽の信頼をもたらすことを初めて実証した。これを克服するために,オフライン評価プロトコルが,もしそれらが時間的文脈を説明するならば,実際の使用ケースをモデル化できると仮定した。次に,既存のモデルにおける時間的コンテキストをさらに埋め込むための訓練手順を提案した。著者らは,従来の時間意識推薦者システムへの時間的コンテキストを導入するために多目的手法を使用し,提案した評価プロトコルを通してその利点を確認した。最後に,追加された目的で得られたパレートフロントは,3つの実世界の公的に利用可能なデータセットの精度のためにのみ最適化される最先端のモデルによって生成されたものを支配していることを検証した。結果は,著者らの時間的目的を含むことが,20%まで思い出し@20を改良できることを示した。【JST・京大機械翻訳】

, , 【Automatic Indexing@JST】

その他の情報処理 , 計算機システム開発 , 人工知能 , 検索技術

, , , , ,

前のページに戻る