論文読解: GRU4Recの改良 - 負例のサンプリングと損失関数の改良

論文 Recurrent Neural Networks with Top-k Gains for Session-based Recommendations 概要 時系列ベースの推薦モデルであるGRU4Recのロス関数と負例のサンプリング戦略を改良し、GRU4Recと比較してMRRとRecall＠20で最大35%の改良に成功した。 GRU4Recの課題を改良した新しい損失関数を提案 負例のサンプリング方法を改良 前提知識 GRU4Recとは何か？ 時系列ベースの推薦モデルの一種で、LSTMの簡易バージョンであるGRUを採用したもの。 Session-based Recommendations with Recurrent Neural Networks 時系列ベースの推薦モデルとは？ あるユーザの商品に対するアクション（クリックした、カートに入れた、購入したなど）の時系列を入力として、次

[sh19910711]

"GRU4Rec: 時系列ベースの推薦モデル + コアなアイデアとしては、「負例の損失を計算する際に平均でなく最大値を計算する」というもの + 負例の影響を強調することができ、学習が効率的に進むことが期待" arXiv:1706.03847 2022