要約
ストリーミングメディアおよび電子商取引の急速な拡大に伴い、推薦システム、特に順序推薦システム（Sequential Recommendation Systems: SRS）の進展が促進されている。これらのシステムは、ユーザーの相互作用履歴を活用して将来の好みを予測する。近年の研究は、Transformerブロックや特徴抽出といったアーキテクチャの革新に注目しているが、時間的パターンを捉える上で極めて重要な役割を果たす位置符号化（positional encodings）については、それほど注目されていない。実際、位置符号化はしばしば文脈情報（例えば時間的足跡、temporal footprint）と混同され、従来の研究では両者を互換的に扱う傾向がある。本研究は、時間的足跡と位置符号化の間にある重要な差異に着目し、後者がアイテム間の特有の関係的ヒントを提供する一方で、時間的足跡だけでは得られないという点を実証する。8つのAmazonデータセットおよびそのサブセットを用いた広範な実験を通じて、さまざまな符号化手法が性能指標および学習安定性に与える影響を評価した。本研究では新たな位置符号化手法を提案し、性能と安定性の両面で改善をもたらす統合戦略を検討した。その結果、本研究の初版プレプリント時点における最先端（state-of-the-art）を上回る成果を達成した。特に重要なのは、適切な符号化の選定が、単に性能向上に寄与するだけでなく、堅牢かつ信頼性の高いSRSモデルを構築する上で不可欠であることを示したことである。