日本語タイトル#
対立する順序パターンを対比することによって、ネガティブだが有益なフィードバックから利益を得る
英文タイトル#
Benefiting from Negative yet Informative Feedback by Contrasting Opposing Sequential Patterns
日本語要約#
私たちは、順序推薦シナリオにおいて正のフィードバックと負のフィードバックの両方から学ぶタスクを考慮します。これらの 2 種類のフィードバックは、ユーザーの相互作用にしばしば存在します。同時に、従来の順序学習モデルは通常、正の相互作用を考慮し予測することに焦点を当てており、負のフィードバックを持つアイテムを推薦から減らすことがサービスに対するユーザーの満足度を向上させることを無視しています。さらに、負のフィードバックは、真のユーザーの興味をより正確に特定するための有用な信号を提供する可能性があります。本研究では、正の相互作用シーケンスと負の相互作用シーケンスのそれぞれで 2 つのトランスフォーマーエンコーダを訓練することを提案します。正の交差エントロピーと負の交差エントロピー、さらに巧妙に設計された対照項を含む複合損失関数を使用して、両方のフィードバックタイプを順序推薦器の訓練目標に組み込み、対立するパターンのモデリングを改善します。このアプローチの有効性を示し、最先端の順序推薦手法と比較して真の正の指標を増加させる一方で、誤って推奨された負のアイテムの数を減少させることを証明します。
英文要約#
We consider the task of learning from both positive and negative feedback in a sequential recommendation scenario, as both types of feedback are often present in user interactions. Meanwhile, conventional sequential learning models usually focus on considering and predicting positive interactions, ignoring that reducing items with negative feedback in recommendations improves user satisfaction with the service. Moreover, the negative feedback can potentially provide a useful signal for more accurate identification of true user interests. In this work, we propose to train two transformer encoders on separate positive and negative interaction sequences. We incorporate both types of feedback into the training objective of the sequential recommender using a composite loss function that includes positive and negative cross-entropy as well as a cleverly crafted contrastive term, that helps better modeling opposing patterns. We demonstrate the effectiveness of this approach in terms of increasing true-positive metrics compared to state-of-the-art sequential recommendation methods while reducing the number of wrongly promoted negative items.
文章ページ#
対立する順序パターンを対比することによって、ネガティブだが有益なフィードバックから利益を得る
PDF 取得#
抖音でスキャンしてさらに素晴らしいコンテンツを見る