Ada-Retrieval: An Adaptive Multi-Round Retrieval Paradigm for Sequential Recommendations

要約

検索モデルは、特定のユーザーの好みに一致するアイテム候補の少数のセットを選択することを目的としています。
ランカーなどの後続のモデルはアイテム候補の品質に大きく依存するため、大規模なレコメンダー システムでは重要な役割を果たします。
しかし、既存の検索モデルのほとんどはシングルラウンド推論パラダイムを採用しており、ユーザーの好みの動的な性質を適切に捉えておらず、項目空間内の 1 つの領域に留まっている可能性があります。
この論文では、アイテム空間全体で潜在的な候補をより適切に捕捉するためにユーザー表現を反復的に改良する、レコメンダー システム用の適応型マルチラウンド検索パラダイムである Ada-Retrieval を提案します。
Ada-Retrieval は、アイテム表現アダプターとユーザー表現アダプターという 2 つの主要なモジュールで構成されており、アイテムとユーザーの表現にコンテキスト情報を注入するように設計されています。
このフレームワークはモデルに依存しない設計を維持し、RNN やトランスフォーマーなどのさまざまなバックボーン モデルとのシームレスな統合を可能にします。
私たちは、バックボーン モデルとして 5 つの強力な逐次レコメンダーを組み込み、広く使用されている 3 つの公開データセットで実験を実行します。
私たちの結果は、Ada-Retrieval がさまざまな基本モデルのパフォーマンスを大幅に向上させ、さまざまなデータセットにわたって一貫した改善が観察されたことを示しています。
私たちのコードとデータは、https://github.com/ll0ruc/Ada-Retrieval で公開されています。

要約(オリジナル)

Retrieval models aim at selecting a small set of item candidates which match the preference of a given user. They play a vital role in large-scale recommender systems since subsequent models such as rankers highly depend on the quality of item candidates. However, most existing retrieval models employ a single-round inference paradigm, which may not adequately capture the dynamic nature of user preferences and stuck in one area in the item space. In this paper, we propose Ada-Retrieval, an adaptive multi-round retrieval paradigm for recommender systems that iteratively refines user representations to better capture potential candidates in the full item space. Ada-Retrieval comprises two key modules: the item representation adapter and the user representation adapter, designed to inject context information into items’ and users’ representations. The framework maintains a model-agnostic design, allowing seamless integration with various backbone models such as RNNs or Transformers. We perform experiments on three widely used public datasets, incorporating five powerful sequential recommenders as backbone models. Our results demonstrate that Ada-Retrieval significantly enhances the performance of various base models, with consistent improvements observed across different datasets. Our code and data are publicly available at: https://github.com/ll0ruc/Ada-Retrieval.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google