Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

A Self-Supervised Mixture-of-Experts Framework for Multi-behavior Recommendation

Created by
  • Haebom

作者

キョンホキム、サンウオキム、ジオンリー、キジュンシン

概要

この論文は、Eコマースでユーザーのさまざまな行動（購入、クリック、ショッピングカートの追加など）を活用する複数行動推薦システムのパフォーマンス向上について説明します。既存システムは訪問アイテム（ユーザーが相互作用したアイテム）と未訪問アイテムに対する推奨性能差が大きいという問題点を持っています。これを解決するために、本論文ではそれぞれ訪問アイテムと未訪問アイテムに特化したエキスパートモデルを使用する混合エキスパートベースの新しいマルチアクション推薦システムMEMBERを提案します。各エキスパートモデルは自己指導学習方式で訓練されており、実験の結果、従来のシステムに対して最大65.46％の性能向上（Hit Ratio@20基準）を示しました。

Takeaways、Limitations

•
Takeaways：
◦
訪問アイテムと未訪問アイテムの推奨パフォーマンスの違いを解決する新しいアプローチを提示
◦
混合エキスパートモデルと自己指導学習を組み合わせることで推奨性能を向上
◦
さまざまなユーザー行動データを効果的に活用する方法を提示
◦
Hit Ratio@20 指標で大幅なパフォーマンス向上を達成
•
Limitations：
◦
MEMBERモデルの複雑さによる計算コストの増加の可能性
◦
特定のデータセットのパフォーマンス評価結果であり、他のデータセットへの一般化可能性の検証が必要
◦
さまざまな推薦指標の追加実験結果の提示が必要
👍
Made with Slashpage