双曲空間ではじめるレコメンデーション - Gunosyデータ分析ブログ

双曲空間ではじめるレコメンデーション - Gunosyデータ分析ブログ

はじめに こんにちは、MediaAds ML Teamに所属している飯塚(@zr_4) です。 以前書いたブログ*1をベースに変更を加えた論文がRecSys 2019 *2 に通りました(ヤッター)。 埋め込みベースの推薦は、近年最も成功を収めた推薦手法の一つです。 埋め込みベースの推薦を行っている多くの大企業では、精度良くアイテムやユーザーを表現するため、数百次元のベクトルを使用しています。それによって、莫大な計算リソースを日々消費していることと思います。またリアルタイムにベクトルの演算を行うために検索システムを自作している企業も少なくないと思います*3。負荷の大きさから、特定のロジックの実…

21 mentions: @zr_4@shunk031@chezou@tankazunori0914@ysk_moto@dr_paradi@s_wool@kou2kkkt
Date: 2019/07/10 00:00

Referring Tweets

@zr_4 ブログ書きました。双極空間の埋め込みを推薦ドメインに適用した内容になります。実データに対して定性・定量的に実験を行い、SGNSのユークリッド空間での埋め込みと比べて推薦精度が高いことを確認しました。 https://t.co/AICQG1ve72
@ysk_moto 双曲空間ではじめるレコメンデーション - Gunosyデータ分析ブログ https://t.co/F7gjCb74c1 素敵記事。アイテムの参照連続関係で分散表現学習して綺麗になるんですね。 個人的には階層関係がない学習データでどうやって単語を双曲空間に埋められるのかが知りたい。どっかにないかな。
@tankazunori0914 > 埋め込みの空間に双曲空間を用いることで、階層構造、木構造、Directed Acyclic Graph (DAG) が低次元のベクトルで表現できることが明らかになってきました。 この技術を用いることで、低負荷かつ高精度な推薦システムが実現できるのでは https://t.co/yy5L24IorS
@kou2kkkt これの前提があるから、 Poincare Embeddings を用いることができるのかと理解。 https://t.co/coQWflN9Cn
@shunk031 パーソナライズに向けたポアンカレembeddingベースのレコメンデーション。推薦精度とても良さそう / 1件のコメント https://t.co/dohyFvilAd “双極空間ではじめるレコメンデーション - Gunosyデータ分析ブログ” (2 users) https://t.co/FGwAKvWcJO

Related Entries

Read more NLP若手の会第14回シンポジウム(YANS2019) と第241回自然言語処理研究会に参加してきました! - Gunosyデータ分析ブログ
1 users, 7 mentions 2019/09/06 00:00
Read more Python 機械学習プログラミング データ分析演習編
0 users, 0 mentions 2018/04/22 03:40
Read more Python 機械学習プログラミング データ分析ライブラリー解説編
0 users, 0 mentions 2018/04/22 03:40
Read more 言語処理学会第25回年次大会(NLP2019)に一般発表とスポンサーで参加しました - Gunosyデータ分析ブログ
0 users, 9 mentions 2019/04/05 00:00