[3Xin2] ポスターセッション1

[3Xin2-87] SBERTを用いたコールドスタート推薦のためのハイブリッドベース商品埋め込み手法

〇堀 芳樹¹ (1.株式会社 ARISE analytics)

キーワード：情報推薦、深層学習

行動履歴をもとに情報推薦を行う協調フィルタリングは, 情報推薦において主要な手法であるものの, 出現回数の少ない商品に対応できないコールドスタート問題が存在する. その解決策として行動履歴に加え商品情報も活用するハイブリッドベースフィルタリングの導入が挙げられる. しかしながら, ユーザー情報が匿名化されているセッション情報が行動履歴の場合, どのように商品情報と組み合わせて埋め込み表現を作るのかは研究がされていない状況である.
本研究では行動履歴がセッション情報の場合のコールドスタートに対応したハイブリッドベース商品埋め込み手法を提案する. 具体的には, 商品タイトルをSBERTで符号化した結果を埋め込み表現とみなし, SBERTに対してセッション情報を正例としたトリプレット損失関数でファインチューニングを行った. 本手法に対して精度比較の実験を行ったところ, ファインチューニングによる精度向上がみられること, 既存のコンテンツベースのベースライン手法を上回ることが明らかになった.