研究：社会的意識を持つ時間的因果デコーダ推薦システム

STUDY: Socially Aware Temporally Casual Decoder Recommender Systems

June 2, 2023

著者: Eltayeb Ahmed, Diana Mincu, Lauren Harrell, Katherine Heller, Subhrajit Roy

cs.AI

要旨

今日、オンラインとオフラインの両方で利用可能な膨大な量のデータに直面し、ユーザーの興味に合わせたアイテムを見つけるためのレコメンダーシステムの必要性が高まっています。ソーシャルネットワーク情報が存在する場合、この情報を活用してより良いレコメンデーションを行う方法がありますが、これらの方法はしばしば複雑なアーキテクチャとトレーニング手順を伴い、扱いにくいものです。さらに、既存の多くの方法は、訓練が非常に難しいことで知られるグラフニューラルネットワークを利用しています。この問題に対処するため、我々はSocially-aware Temporally caUsal Decoder recommender sYstems（STUDY）を提案します。STUDYは、修正されたトランスフォーマーデコーダーネットワークの単一のフォワードパスを使用して、ソーシャルネットワークグラフ内で隣接するユーザーグループに対して共同推論を行います。我々は、学校ベースの教育コンテンツ設定でこの方法をテストし、教室の構造をソーシャルネットワークの定義に使用しました。我々の方法は、ソーシャルおよびシーケンシャルな方法を上回りながら、データ内のすべての相互作用をモデル化する単一の均質なネットワークの設計の簡潔さを維持しています。また、性能向上の要因を理解するためにアブレーション研究を行い、我々のモデルがユーザー行動の類似性を効果的にモデル化するソーシャルネットワーク構造の活用に依存していることを明らかにしました。

English

With the overwhelming amount of data available both on and offline today, recommender systems have become much needed to help users find items tailored to their interests. When social network information exists there are methods that utilize this information to make better recommendations, however the methods are often clunky with complex architectures and training procedures. Furthermore many of the existing methods utilize graph neural networks which are notoriously difficult to train. To address this, we propose Socially-aware Temporally caUsal Decoder recommender sYstems (STUDY). STUDY does joint inference over groups of users who are adjacent in the social network graph using a single forward pass of a modified transformer decoder network. We test our method in a school-based educational content setting, using classroom structure to define social networks. Our method outperforms both social and sequential methods while maintaining the design simplicity of a single homogeneous network that models all interactions in the data. We also carry out ablation studies to understand the drivers of our performance gains and find that our model depends on leveraging a social network structure that effectively models the similarities in user behavior.