On the Consistency of Average Embeddings for Item Recommendation

要約

レコメンダー システムで一般的に行われている手法は、アイテムの埋め込みを平均して、同じ埋め込み空間内でユーザーまたはより高いレベルの概念を表すことにあります。
この論文では、そのような慣行の関連性を調査します。
この目的のために、私たちは、その構築に使用される項目に対する平均的な埋め込みの一貫性を測定するように設計された、期待精度スコアを提案します。
その後、特定の仮定を使用した理論的設定でこのスコアの数学的表現と、音楽ストリーミング サービスからの実世界のデータに対するその経験的挙動を分析します。
私たちの結果は、現実世界の平均値は推奨の一貫性が低いことを強調しており、これは、現実世界のエンベディングを理論的設定の仮定とより適切に調整するための将来の研究への道を開くものです。

要約(オリジナル)

A prevalent practice in recommender systems consists in averaging item embeddings to represent users or higher-level concepts in the same embedding space. This paper investigates the relevance of such a practice. For this purpose, we propose an expected precision score, designed to measure the consistency of an average embedding relative to the items used for its construction. We subsequently analyze the mathematical expression of this score in a theoretical setting with specific assumptions, as well as its empirical behavior on real-world data from music streaming services. Our results emphasize that real-world averages are less consistent for recommendation, which paves the way for future research to better align real-world embeddings with assumptions from our theoretical setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google