【論文紹介】Adversarial Personalized Ranking for Recommendation (SIGIR2018)

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

## 3行まとめ

BPRに敵対的学習を加えてロバストなモデルにしたAdversarial Personalized ranking (APR)を提案し、汎化性能を向上させた。
recomendationだとuserやitemに摂動を加えると全く異なるデータになる(one hotだから)ので、摂動はモデルのパラメータに与えるようにしている。
BPR+MFと比較して、APR+MF(この場合embeddingにlossが大きくなるような摂動を加える。)がより汎化性能が高いことを実験で示した。

## 背景と仮説

画像とかで敵対的学習を使うのは研究されているけど、IR(information retrieval)ではあまりされていないから、組み合わせてみよう.
BPRはpairを受け取って分類を行っているようなモデルだから、敵対的学習を使ってロバストにすれば汎化性能が向上するかも？

## 前実験
学習したBPR+MFのembeddingにランダムな摂動と敵対的な摂動(lossを小さくするような)摂動を与える。

それぞれtestデータおけるモデルの性能がどれだけ悪化するか？

結果

* randomだとそんなに悪化しないけど、敵対的な摂動だと大きく悪化する。
* 敵対的摂動の計算はデータ全体ではなくサンプルした一部のデータから行っているが、それでもこれだけ悪化する

ということで、

こんな摂動が存在してしまうってことは、モデルがtrainデータにか学習した複雑な関数にfitしてしまっていて、うまく汎化しないことが予想される。ので、今回研究してみましたという流れ。

## APR

普通のbpr lossはこれ。

min max最適化になる。
maxでは、lossが大きくなるような摂動を探して、その摂動に対してlossが最小になるようにパラメータを最適化する。

摂動を与えた場合のlossと、与えない場合のlossの線形和として全体のlossを定義する。
各lossの形はBPRを用いている。

$\lambda$はハイパーパラメータ。

lossが大きくなるような摂動は、摂動の大きさが$\epsilon$以下になるものの中から、摂動に関わる部分のlossが大きくなるように見つけてくる。

と言っても厳密にlossが最大になるものを持ってくるのは大変なので、lossを摂動で微分して、最急降下方向の反対で大きさが$\epsilon$のものを敵対的な摂動として採用する。

摂動が見つかれば、あとは普通にlossを最小化する。微分できるのでSGDを用いる。

この手続きを繰り返してmin max最適化問題を解く。

APRはBPRと同様にmodelに依存しないので、この研究ではMF(Matrix Factorization)に適用した形を紹介して、実験もMFについて行っているけど、出力がパラメータで微分可能なモデルならなんでもいい。

## APRの初期化

APRの学習をいきなりやるのではなく、最初はBPRで学習している。
APRの効果的な点は、overfitし始めた時にそれを防ぐ、という部分にあるので、まだ十分に学習できていない時はBPRで学習するので十分とのこと。

BPRで一旦学習したあと、APRにして再度学習を回すという手法をとっている。

論文中では、BPRで事前学習する他に、摂動の大きさ$\epsilon$を適応的に決めていく方法も示唆している。
学習が進むに連れて、摂動を大きくしていくというアプローチである。

今回の研究ではBPRで事前学習する方法で十分良い結果が出たので、適応的に$\epsilon$を変化させる方法はfuture workだそう。

## 実験設定

## データセット
* Yelp
* Pinterest
* Gowalla

もちろんimplicit feedback

## 手法

* ItemPop(人気のやつ。personalizedではない)
* MF-BPR
* CDAE (deep)
* NeuMF (deep)
* IRGAN (GANつかったやつ)

## 評価指標

trainでinteractしていないitemだけでランキングを推測。
NDCGとHR(hit ratio)をtop Kで計算。
どちらも大きい方が良い。

* NDCG: ランキング上位を当てるとより良い結果に
* HR: test itemがランキングにどれだけ含まれているか

## 実験結果

## 学習曲線

これが一番わかりやすい

BPRで学習し続けるのと、APRに切り替えるので、最後の伸びが違う。

## embedding sizeについて

* どのsizeでもAPRの方が良いHR
* sizeが大きいほAPRが効果的？(過学習を防いでくれる分)

## 敵対的摂動を加えてテストした時の結果

* どの摂動の大きさでもBPR-MFよりAPRの方が悪化が小さい=> ロバスト

## パフォーマンス

* ほぼ全部でAMFが勝利
* BPR-MFのみならずdeep系にも勝っている。パラメータも少なくていいね！

## embedding normの大きさの変化

* APRは学習するにつれembeddingのnormが大きくなる(摂動の影響を小さくするため？)
* MF+ L2正則化は小さくなる

APRは敵対的摂動による正則化で過学習を防いでいて、従来のL2正則化とは違った方法で汎化性能を向上させている。

## ハイパーパラメータについて

* 摂動の大きさ$\epsilon$は、大きすぎると学習がうまくいかなくなる
* 正則化係数$\lambda$はある程度大きい方が良くて、1あたりからあまり性能が変わらない

## おわりに

今回の論文を読んでいると、IR(information retrieval)にGANを使った手法が幾つかあることを知ったので、その辺りも調べていけたらいいなと思います。

<a href="https://repose.hatenadiary.jp/entry/2018/11/09/091710">この記事とか</a>

ありがとうございました。

このブログを検索

ぐぐりらにっき

【論文紹介】Adversarial Personalized Ranking for Recommendation (SIGIR2018)

コメント

コメントを投稿

【論文紹介】Adversarial Personalized Ranking for Recommendation (SIGIR2018)

この記事をシェアする

コメント

コメントを投稿