概要¶
RecSys 2019でGoogle Researchより発表された Sampling-Bias-Corrected Neural Modeling for Large Corpus Item Recommendations が初出。
ドメインが異なるデータを同一のベクトル空間にマッピングする2つのエンコーダーから成る。
ユーザーの特徴を使ってベクトルを得るモデルと、商品の特徴を使って商品ベクトルを得るモデルを使う。
それらのベクトルから、次に閲覧させたい商品を計算する。近似近傍検索も使う。
個々のアイテムやユーザーの関係ではなく、特徴量と特徴量の間の関係を学習するので、コールドスタート問題を軽減する。
応用例¶
Googleの例¶
【レポート】Google を支える推薦モデル「Two-Tower」とベクトル近傍検索技術 #GoogleCloudDay | DevelopersIO
Two-Towerでベクトルを取得し、ScaNNという高速な近似近傍検索で類似ベクトルを得る
