A Next Basket Recommendation Reality Check

要約

次のバスケットの推奨 (NBR) システムの目標は、前のバスケットのシーケンスに基づいて、ユーザーの次のバスケットのアイテムを推奨することです。
最近、最先端のパフォーマンスを主張する複雑なモジュールを使用した多くの方法が提案されています。
彼らはめったに予測されたバスケットを調べず、観察された改善の直感的な理由を提供するだけです。たとえば、表現の改善、意図や関係の把握などです。次のバスケットの推奨方法の評価について、繰り返しと
探索: 通常、次のバスケットは、以前に消費されたアイテム (繰り返しアイテム) と新しいアイテム (探索アイテム) で構成されます。
NBRモデルの繰り返し/探索比とパフォーマンスを測定する一連のメトリックを提案します。
これらの新しい指標を使用して、最先端の NBR モデルを分析します。
分析の結果は、既存の NBR メソッドによって達成された実際の進歩の程度と、改善の根本的な理由を明確にするのに役立ちます。
全体として、私たちの作業は NBR の評価問題に光を当て、このタスクのモデル設計に役立つ洞察を提供します。

要約(オリジナル)

The goal of a next basket recommendation (NBR) system is to recommend items for the next basket for a user, based on the sequence of their prior baskets. Recently, a number of methods with complex modules have been proposed that claim state-of-the-art performance. They rarely look into the predicted basket and just provide intuitive reasons for the observed improvements, e.g., better representation, capturing intentions or relations, etc. We provide a novel angle on the evaluation of next basket recommendation methods, centered on the distinction between repetition and exploration: the next basket is typically composed of previously consumed items (i.e., repeat items) and new items (i.e, explore items). We propose a set of metrics that measure the repeat/explore ratio and performance of NBR models. Using these new metrics, we analyze state-of-the-art NBR models. The results of our analysis help to clarify the extent of the actual progress achieved by existing NBR methods as well as the underlying reasons for the improvements. Overall, our work sheds light on the evaluation problem of NBR and provides useful insights into the model design for this task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google