【論文紹介】VBPR: Visual Bayesian Personalized Ranking from Implicit Feedback (AAAI2016)-ぐぐりらにっき

【論文紹介】BPR: Bayesian Personalized Ranking from Implicit Feedback (UAI 2009)

BPRに組み合わせるモデル(preferenceを判定する部分)は、何でもよくて、
元論文ではMatrix Factorization (MF)とAdaptive kNNと組み合わせている。

今回のVBPRでは、画像情報を組み合わせたMFをBPRのlossで最適化している。

## VBPR

BPRの部分はそのままなので、preferenceを出力する部分(内部的にはそれぞれのitem, userのペアに対して一つのスコアを出力する)だけ説明します。

普通のMFはこんな感じのモデル。

$\alpha$, $\beta_u$ ,$\beta_i$ はそれぞれoffset、userのバイアス項、itemのバイアス項で、
$\gamma_u$, $\gamma_i$ はuserとitemのembeddingを表す。

これに加えて、画像情報を扱うために以下のように変更を行う。

後ろのふたつの項が新しくつけ加わった部分で、

$\theta_u$が画像に関するuserのembedding、$f_i$がitemの画像情報のベクトル(pre trainされたCNNの出力) $E$が画像情報の次元を落とすための変換行列、$\beta^{'}$は画像情報のbias term。

従来のuser, itemのembedding(つまり$\gamma_u$, $\gamma_i$)は履歴から学習される部分のembeddingで、
$\theta_u$と$Ef_i$は画像情報に関するuser, itemのembeddingというように分けられているイメージ。

画像情報としてpre trainされたCNNの出力をそのまま用いると次元が大きいので、小さくしたいからこのようなモデル構成にした、とのこと。PCAなどもあるけど重要な情報が落ちてしまうのが怖いからこのアプローチにしたらしい。

## 実験

## データセット
amazonの服、携帯電話、アクセサリーのitemを対象にしたデータセット。
このほかにtradesy.comという中古服販売のデータ？も使われている。

tradesy.comは各itemにつき一度きりの買い物なのでcold start問題に適している！と書いてあったけど、それならcontent-basedなものでいいんじゃない？となる(協調フィルタリングとcontent-basedな手法を合わせる必要がないような)と思った。

## 手法
* random
* most popular
* BPR-MF
* Image-based Recommendation(IBR)

と比較している。

IBRが唯一のcontent basedな手法で、画像のみから予測する。

## 評価指標

BPRの元論文と同じくAUCではかっている。

BPRの元論文と同じ疑問点だけど、また「観測データと未観測データの順序を正しく判定できた割合」で評価しているけど、
introductionのところで、「我々のゴールは未観測のデータを正しく順序付けること」といっていたのにこれで検証できているのか。。。？と疑問に思った。

トップカンファレンス通っているわけだし自分の解釈がおかしいのか。。？ご指摘質問コメントあったらお願いいたします。

## 結果

cold startは、trainに使ったitemが5つ以下のitemのみで評価した時を表す。

筆者の主張、考察は

* VBPRが一番AUC高くてつよい
* cell phoneは服よりデザイン気にしないから画像入れてもそこまであがらん
* tradesy.comではやはりcold startで大きくVBPRが改善している

自分の疑問点は

* IBRというcontent-basedな手法がtradesy.comでいい結果を出すんじゃないか？と思って結果を読んだら結果がなくて「は？」という気持ち。なぜないのかも書いてないしよくわからない。
* BPRの元論文ではBPR-MFはMMMFと比較していなかった(紹介されてはいた)けど、ここではBPR-MFはMMMFに負けてるじゃん。わかってて省いたか？

というところ。
ほかにも画像のembeddingを可視化して似ている画像は近くにembeddingがあるねーとか、学習曲線書いてVBPRは収束が他のに比べて遅いけどそんなに時間かかってないよーといったり、embeddingのdimensionにはあまり影響を受けていないことが示されていた。(詳しくは論文を読んでください)

## おわりに

implicit feedbackからランキング学習を行うBPRを、itemの画像情報を取り込んだMFに適用したVBPRを紹介しました。

AUCの計算方法のところや、実験の疑問点などは残っていますが、ここら辺で読み終わりにしようと思います。

BPR関連の論文があればまた読もうと思います。

ありがとうございました。

【論文紹介】VBPR: Visual Bayesian Personalized Ranking from Implicit Feedback (AAAI2016)

0 件のコメント:

コメントを投稿

このブログを検索

POPULAR POSTS

SPONSORED LINK

RECENT POSTS

TWEETS

ARCHIVES

LABEL

CONTACT