eコマースにおけるセッションベース推薦のためのマルチモーダル特徴量を有するTransformerとポストファージョンコンテキスト

セッションベースの推薦は、多数のユーザーが匿名で閲覧するか、異なるセッションで著しく異なる関心を持つことが一般的な電子商取引サービスにおいて重要な課題である。本論文では、SIGIR 2021 ウォークスホップ・エコマースデータチャレンジにおける推薦タスクの優勝ソリューションの一つを紹介する。本ソリューションは自然言語処理（NLP）技術に着想を得ており、自己回帰的アプローチと自己符号化アプローチを用いて訓練された、Transformer-XL と XLNet の2つのTransformerアーキテクチャを組み合わせたアンサンブル構成となっている。コンペティションで提供された豊富なデータセットを最大限に活用するため、テーブル形式のイベントデータとテキストおよび画像のベクトルを統合することでマルチモーダル特徴を構築する手法について詳述する。さらに、モデルの予測結果を分析し、本研究で提案したアーキテクチャがセッションベースの推薦タスクにおいてどのように有効に機能しているかを検証する。