[2023/12/05]Machine Learning 輪講
Opened this issue · 2 comments
Why
Machine Learning 輪講は最新の技術や論文を追うことで、エンジニアが「技術で解決できること」のレベルをあげていくことを目的にした会です。
prev. #221
What
話したいことがある人はここにコメントしましょう!
面白いものを見つけた時点でとりあえず話すという宣言だけでもしましょう!
Fresh Content Needs More Attention: Multi-funnel Fresh Content Recommendation
論文URL
https://dl.acm.org/doi/10.1145/3580305.3599826
著者
Jianling Wang, Haokai Lu, Sai zhang, Bart Locanthi, Haoting Wang, Dylan Greaves, Benjamin Lipshitz, Sriraj Badam, Ed H. Chi, Cristos Goodrow, Su-Lin Wu, Lexi Baugher, Minmin Chen
会議
KDD '23
背景
推薦システムの多くはユーザーの過去のインタラクションを収集して学習されているが、"rich gets richer"効果をもたらす強力なFBループを生み出している。
一方、新鮮なItemは最初の露出とインタラクションがないため、適切なユーザーに表示されるまでに大きな障壁が存在する。
これに対応するためには、初期露出のために手を打つ必要がある。
これまでコールドスタート問題について研究はなされてきたが、ビジネス規模(YouTubeでは毎分500hの動画がアップ、Spotifyでは1.4秒に新しいトラックがアップ)の推薦ではどのように対応すべきかはまだ十分に研究されていない。
目的
"rich gets richer"なFBサイクルを断ち切り、質の高い新鮮なコンテンツが表面化する健全なプラットフォームの構築
アプローチ
- Multi-funnel Fresh Content Recommendation
- 通常のランキングに対して専用スロットを設ける
- 専用スロットに対する推薦には、Low-funnel と Middle-funnel に対する推薦を組み合わせる
memo
Enhancing Job Recommendation through LLM-based Generative Adversarial Networks
LLMを使ったジョブレコメンデーション。
- 工夫
- プロフィールのテキストだけではなく、求人とのインタラクションも取り入れることによってユーザーのプロフィールテキストを調整
- インタラクションデータが少ないユーザーに対してもよい推薦を提供するために、GANを利用して質の高いユーザーのembeddingを生成