IR Reading 2021春の感想

概要

IR Reading 2021春を聴講したので、感想を投稿する。

印象に残った論文まとめ

• An Efficient Neighborhood-based Interaction Model for Recommendation on Heterogeneous Graph (KDD 2020)
  
  graphを使った手法。負例は要らない？

• S^{3}-Rec: Self-Supervised Learning for Sequential Recommendation with Mutual Information Maximization (CIKM 2020)
  
  属性データを融合させる。属性、コンテキストを両方とも利用可能。

• CEQE: Contextualized Embeddings for Query Expansion (EMNLP 2020)
  
  BERTを使って、QEしたら、他のQEと比べて良い結果に。ベースラインはBM25。Relavance Modelも参照。

• Online Experimentation with Surrogate Metrics: Guidelines and a Case Study (WSDM 2021)
  
  時間がかかる指標の代わりにモニタリングする指標を作る。例えば、リテンションを最適化したいが、リテンションの測定には時間がかかる。だが、評価は素早く行いたい。ここで代替の指標をすぐにすぐに得られる指標を使って行いたい。これを許容できる範囲でやる方法。

• PROP: Pre-training with Representative Words Prediction for Ad-hoc Retrieval（WSDM2021）
  
  IRだとNLPのpre-trained modelの問題設定とちがうのでは？-> IRに適合したpretrained objectiveを作りました。

• Generative Models are Unsupervised Predictors of Page Quality: A Colossal-Scale Study (WSDM 2021)
  
  NLPの生成モデルにより自動生成されたページと人手で生成されたページを見分けるモデルはそのままページのクオリティを推定するモデルとしてそのまま利用できる。教師データ不要で質の判定が可能。

• Interpretable Ranking with Generalized Additive Models (WSDM 2021)
  
  説明可能性をすごい感じた。このシンプルさで結果が出るなら、こういうモデルがいい！ 使ってみたいと思えた。

• Popularity-Opportunity Bias in Collaborative Filtering (WSDM 2021)
  セレンディピティを出すための一つの工夫として、相関係数をロスに混ぜ込むという手法。実サービスで使うなら、ヘビーユーザーに対して適用とかがいいのかも。

• Denoising Implicit Feedback for Recommendation (WSDM 2021)
  クリックデータから、あんまり興味なさそうなクリックデータを取り除くと、精度が良くなった。閲覧時間等が取れるのであれば、データの質を向上させられる。

• Density Ratio-based Personalised Recommendation from Implicit Feedback (TheWebConf 2021)
  pair-wiseより高速なpoint-wiseを性能を良くするように改良してやってみたという研究。