レコメンドエンジンの改善

[BlackJack2021]

現状

現在までに構築したモデルは以下の2つである。

• Implicit Matrix Factorization
• Item2Vec
  • 企業閲覧の流列を単語の流列とみなし、word2vec による手法で各企業の性質の分散表現を取得したもの。
  • 推論時には「過去閲覧された企業の分散表現のリスト」を positive 引数に与えて、その most_similar を利用する形での推論を行っている。

前者は後者に比べて精度がよいというメリットがある一方で、データの更新に対しモデルの再学習が常に求められるという問題点がある。そのため、現在はモデルの再学習が常に求められることがない後者を利用している。

問題意識

しかし、後者の精度が Precision@K, Recall@K の観点で見ても望ましくない上に、出力される結果にもあまり納得感があるものとは思えない。そのためもう少しレコメンドエンジンについてユーザーに関心をもたらせる確度の高いものを推薦し、より Serendipity を起こせるアプリケーションにしていきたい。

[BlackJack2021]

上記の Association 推論APIの追加が一つの課題解決に向けたアプローチになることを願いつつ、一旦様子を見ることとしたい。