【論文メモ】Joint User-Entity Representation Learning for Event Recommendation in Social Network
読んだ論文
今回読んだ論文は以下
間違い等ありましたらご指摘お願いいたします。
注目した部分
- cnnを利用して埋め込み特徴量を作成している
- userとeventをjointし重みを学習することでuserとeventを同じ潜在空間上に射影し、それを特徴量に使っている
概要
Facebookでは毎月135百万のイベントが作成され、550百万以上の人々が参加している(2015年)。
このようにイベントもユーザー側のどちらのデータも大規模でスパースなデータでの、ユーザーに対するイベントのレコメンドの手法を提案。
方法
特徴量
userとeventのテキストデータは以下図のような構造のCNNよるモデルを構築し特徴量を抽出する。
userとeventのjointの方法は以下のような構造のネットワークで実装。
このネットワークでuserとeventを同じ潜在空間に射影。
また途中レイヤーをバイパスさせることでresnet的な構造も盛り込んでいる。
loss関数は、
として重みを学習している。
予測モデル
予測モデルではGBDTを使い、その特徴量としてjointしたネットワークのrepresentation layerのvectorとsimilarity score( )の値を入れて学習している。
結果
以下表のように提案手法によってbaselineに対してAUCで+6%ほど精度が高い結果が得られた。
所感
イベントに対するレコメンドで参考になるものがないか調べている中で読んだ論文。
cnnでテキストデータを埋め込み特徴抽出を行うところや、userとevetを同じ空間上に射影するというアイディアは真似したい。
