Д.Е.Беляков,
В.В.Кантор
Исследование
эффекта добавления негативного сэмплирования при
обучении факторизационных машин в задачах построения
рекомендательных систем
Важным вопросом при построении рекомендательных систем является выбор позитивных и негативных примеров для обучения. В частности, часто мы знаем о том, что объект понравился пользователю (покупка товара, просмотр и высокая оценка фильма и т.д.), но не имеем сведений о том, что пользователю точно не нравится. В данной работе показано, что добавление искусственных негативных примеров положительно сказывается на качестве рекомендаций не только в том случае, когда негативных примеров нет, но и тогда, когда они есть. Рассмотрено несколько стратегий добавления негативных примеров, в частности, основанные на популярном методе обучения представлений слов word2vec, показавшие заметное повышение качества рекомендаций на исторических данных.
КЛЮЧЕВЫЕ СЛОВА: рекомендательные системы, факторизационные машины, негативное семплирование, word2vec