Scaling Session-Based Transformer Recommendations using Optimized Negative Sampling and Loss Functions
Created by
Haebom
저자
Timo Wilm, Philipp Normann, Sophie Baumeister, Paul-Vincent Kobow
개요
TRON은 최적화된 네거티브 샘플링을 사용하는 확장 가능한 세션 기반 Transformer 추천 시스템입니다. SASRec 및 GRU4Rec+와 같은 기존 모델의 확장성 및 성능 한계를 해결하기 위해, top-k 네거티브 샘플링과 listwise 손실 함수를 통합하여 추천 정확도를 향상시킵니다. 대규모 전자상거래 데이터셋에서의 평가 결과, TRON은 기존 방법보다 추천 품질을 향상시키면서 SASRec과 유사한 훈련 속도를 유지합니다. A/B 테스트 결과 SASRec 대비 18.14%의 클릭률 증가를 보여 실제 환경에서의 TRON의 잠재력을 강조합니다. 소스 코드(https://github.com/otto-de/TRON)와 익명화된 데이터셋(https://github.com/otto-de/recsys-dataset)을 공개합니다.
시사점, 한계점
•
시사점:
◦
최적화된 네거티브 샘플링과 listwise 손실 함수를 사용하여 기존 세션 기반 추천 시스템의 성능을 향상시켰습니다.
◦
대규모 데이터셋에서 효율적이고 정확한 추천 성능을 보였습니다.
◦
실제 A/B 테스트를 통해 클릭률 향상 효과를 검증했습니다.
◦
소스 코드와 데이터셋을 공개하여 연구의 재현성과 확장성을 높였습니다.
•
한계점:
◦
본 논문에서는 특정 전자상거래 데이터셋에 대한 결과만 제시되어 다른 도메인이나 데이터셋으로의 일반화 가능성에 대한 추가 연구가 필요합니다.
