セッションベースの推薦システムにおける再帰型ニューラルネットワークの利用

我々は再帰型ニューラルネットワーク（RNN）を新しい領域、すなわち推薦システムに適用します。実際の推薦システムでは、長期間のユーザ履歴ではなく、短いセッションベースのデータ（例えば、小さなスポーツ用品ウェブサイト）に基づいて推奨を行うという問題がしばしば発生します（Netflixのような場合とは異なり）。このような状況下では、しばしば称賛される行列分解手法は精度が低いです。この問題は通常、アイテム間の類似性に基づく推奨（つまり、類似したアイテムを推奨する方法）によって実践的に克服されます。しかし、我々はセッション全体をモデル化することでより正確な推奨が提供できると主張します。したがって、セッションベースの推薦に向けたRNNベースのアプローチを提案します。当アプローチではタスクの実用的な側面も考慮し、古典的なRNNに対するいくつかの改良を導入しています。具体的には、ランキング損失関数などの改良を行っています。2つのデータセットを用いた実験結果は、広く使用されている手法に対して明確な改善を示しています。