Pattern Recognition Lettersに論文が採録されました

当研究室の論文がPattern Recognition Lettersに採録されました。

T. Sugiyama, S. Yoshida, and M. Muneyasu: DRGNN: Disentangled Representation Graph Neural Network for Diverse Category-level Recommendations, Pattern Recognition Letters, vol. 186, pp. 78-84, Oct. 2024 DOI: 10.1016/j.patrec.2024.09.008

概要

この論文は、推薦システム（RecSys）における多様性と精度のトレードオフ問題に取り組む新手法「DRGNN（Disentangled Representation Graph Neural Network）」を提案しています。現代のオンラインサービスで広く使用されている推薦システムは、その精度向上に伴い、特定のカテゴリーに偏重する傾向がありました。

DRGNNは、この課題に対し二つのアプローチを導入しています。第一に、disentangled representation learning を用いてアイテム嗜好とカテゴリー嗜好を分離します。第二に、category-aware positive sampling によってデータセットの偏りを緩和します。

我々は実際のEコマースデータセットを用いて実証実験を行い、DRGNNが既存の最先端手法と比較して、推薦の多様性を大幅に向上させつつ、高い精度を維持できることを示しました。さらに、ハイパーパラメータの調整により、多様性と精度のバランスを柔軟に制御できることも実証しています。この研究は、グラフニューラルネットワーク（GNN）を基盤とした推薦システムの新手法であり、ユーザー体験の向上と新規アイテムの発見機会の増加に寄与します。