Disentangling ID and Modality Effects for Session-based Recommendation

要約

セッションベースの推奨は、匿名ユーザーの限られた行動に基づいてその意図を予測することを目的としています。
ユーザーの行動のモデリングには、アイテム ID によって反映される共起パターンと、アイテムのモダリティ (テキストや画像など) によって表される詳細な好みという 2 つの異なる根拠が含まれます。
ただし、既存の方法では通常、これらの原因が複雑に絡み合って、正確で説明可能な推奨事項を達成できません。
この目的を達成するために、タスクにおける ID とモダリティの影響を解きほぐすための新しいフレームワーク DIMO を提案します。
項目レベルでは、共起表現スキーマを導入して、共起パターンを ID 表現に明示的に組み込みます。
同時に、DIMO はさまざまなモダリティを統一された意味空間に調整して、それらを均一に表現します。
セッションレベルでは、教師あり信号なしでIDとモダリティの効果を解きほぐすための、プロキシメカニズムと反事実推論を含むマルチビューの自己教師あり解きほぐしを提示します。
DIMO は、これらの解きほぐされた原因を活用して、因果推論を通じて推奨事項を提供し、さらに説明を生成するための 2 つのテンプレートを作成します。
複数の実世界のデータセットに対する広範な実験により、既存の手法に対する DIMO の一貫した優位性が実証されています。
さらなる分析により、説明の生成における DIMO の有効性も確認されています。

要約(オリジナル)

Session-based recommendation aims to predict intents of anonymous users based on their limited behaviors. Modeling user behaviors involves two distinct rationales: co-occurrence patterns reflected by item IDs, and fine-grained preferences represented by item modalities (e.g., text and images). However, existing methods typically entangle these causes, leading to their failure in achieving accurate and explainable recommendations. To this end, we propose a novel framework DIMO to disentangle the effects of ID and modality in the task. At the item level, we introduce a co-occurrence representation schema to explicitly incorporate cooccurrence patterns into ID representations. Simultaneously, DIMO aligns different modalities into a unified semantic space to represent them uniformly. At the session level, we present a multi-view self-supervised disentanglement, including proxy mechanism and counterfactual inference, to disentangle ID and modality effects without supervised signals. Leveraging these disentangled causes, DIMO provides recommendations via causal inference and further creates two templates for generating explanations. Extensive experiments on multiple real-world datasets demonstrate the consistent superiority of DIMO over existing methods. Further analysis also confirms DIMO’s effectiveness in generating explanations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google