Towards Open-world Cross-Domain Sequential Recommendation: A Model-Agnostic Contrastive Denoising Approach

要約

クロスドメイン シーケンシャル レコメンデーション (CDSR) は、従来のシーケンシャル レコメンデーション (SR) システムに存在するデータの希薄性の問題に対処することを目的としています。
既存のアプローチは、豊富な行動を持つ重複するユーザーに依存して、複数のドメイン間で情報を転送および伝播できる特定のクロスドメイン ユニットを設計することを目的としています。
ただし、実際のレコメンダー システムでは、CDSR シナリオは通常、まばらな動作を持つ大多数のロングテール ユーザーと、1 つのドメインにのみ存在するコールド スタート ユーザーで構成されます。
これは、現実世界の業界プラットフォームにおける既存の CDSR 手法のパフォーマンスの低下につながります。
したがって、オープンワールド CDSR シナリオにおけるモデルの一貫性と有効性を向上させることは、CDSR モデル (\textit{1st} CH) を構築するために重要です。
最近、一部の SR アプローチでは、ロングテール ユーザー向けの情報を補完するために補助的な動作を利用しています。
ただし、これらのマルチ動作 SR 手法は、ターゲット動作と補助動作の間の意味論的なギャップや、ドメイン間のユーザーの関心の偏り (\textit{2nd} CH) を見落とすため、CDSR で期待できるパフォーマンスを提供することはできません。

要約(オリジナル)

Cross-domain sequential recommendation (CDSR) aims to address the data sparsity problems that exist in traditional sequential recommendation (SR) systems. The existing approaches aim to design a specific cross-domain unit that can transfer and propagate information across multiple domains by relying on overlapping users with abundant behaviors. However, in real-world recommender systems, CDSR scenarios usually consist of a majority of long-tailed users with sparse behaviors and cold-start users who only exist in one domain. This leads to a drop in the performance of existing CDSR methods in the real-world industry platform. Therefore, improving the consistency and effectiveness of models in open-world CDSR scenarios is crucial for constructing CDSR models (\textit{1st} CH). Recently, some SR approaches have utilized auxiliary behaviors to complement the information for long-tailed users. However, these multi-behavior SR methods cannot deliver promising performance in CDSR, as they overlook the semantic gap between target and auxiliary behaviors, as well as user interest deviation across domains (\textit{2nd} CH).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google