1722753900
2024-08-04 06:37:09
メッセージの加重平均による効率的なグラフベースのレコメンデーションシステム
著者: ファイザン・アーメッド
概要: ソフトアイテムのコールドスタート問題が永続的に発生する推奨システムの問題に対する新しいソリューションを紹介します。このシステムは、需要のある製品を潜在的な販売者に推奨して、Amazon ストアに掲載することを目的としています。これらの製品は常にインタラクションが少ないため、ソフトアイテムのコールドスタート状況が永続的に発生します。最新の協調フィルタリング手法では、コンテンツ属性を使用してコールドスタートを解決し、ウォームスタートアイテムからの既存の暗黙的なシグナルを利用します。このアプローチは、アイテムセット全体が常にコールドスタート問題に直面するため、このユースケースでは失敗します。当社の製品グラフには 5 億を超えるノードと 50 億を超えるエッジがあり、最新のグラフアルゴリズムを使用したトレーニングと推論には非常に多くの計算が必要です。これらの課題を克服するために、データセットのサイズを縮小し、パフォーマンスを損なうことなくストレージと計算を削減する改良されたモデリング手法を採用するシステムを提案します。具体的には、フィルタリング手法を使用してグラフのサイズを縮小し、レイヤー上のメッセージの加重平均 (WAML) アルゴリズムを使用してこの縮小された製品グラフを活用します。 WAML は、大規模なグラフのトレーニングを簡素化し、計算時間を LightGCN の 1/7、Graph Attention Network (GAT) の 1/26 に短縮し、100 回の再現率を LightGCN の 66%、GAT の 2.3 倍に向上させることで、従来の方法よりも改善されています。
#グラフベースのレコメンデーション #システムに関する研究 #part6 #機械学習 #Monodeep #Mukherjee #著 #年 #月