TensorFlow Recommendersを使用した暗黙のフィードバックからのレコメンダーシステム

TensorFlow Recommendersを活用した暗黙的フィードバックに基づくレコメンデーションシステム

お客様が明示的に欲しいものを伝えてくれない場合

おすすめをすることは実際にはそれほど難しくありません。例えば、お客様が製品にどのような評価をつけたかを調べ、それを1から5つ星で測定し、そしてそれを基に回帰モデルをトレーニングするだけです。簡単ですよね？

わかりました。もし、数値的なユーザーの特徴または映画の要素がない場合は、埋め込み（embeddings）に取り組まなければならないかもしれませんが、以前の記事でその方法を紹介しました。

埋め込みを使ったレコメンダーシステムの紹介

TensorFlowでシンプルな行列分解レコメンダーを作る方法を学ぶ

towardsdatascience.com

• Embedchainの紹介- LLM向けのデータプラットフォーム
• この機械学習の研究では、データセット内のバイアスを効果的に取り除くためのAIモデルを開発しています
• 拡散モデル：どのように拡散するのでしょうか？

本記事でも埋め込みが必要になるため、続ける前に上記の記事を読むことをお勧めします。

暗黙のフィードバック

しかし、時には明示的なユーザーフィードバック（つまり、星やグッド、バッドなど）がない場合もあります。これは小売業界などでよく起こります。お客様がどの製品を購入したかはわかりますが、実際にそれが気に入っているかどうかはわかりません。お客様から得られるのは、その商品に対する関心に関連する暗黙のサインだけです。

もし彼らがその商品を購入（視聴、消費、…）した場合、それは彼らがその商品に関心を持っていることを示唆しています。もしそうでない場合、彼らは関心を持たなかったかもしれませんが、知らなかったかもしれません。わかりません。

これは分類問題として取り扱えるように思えます。関心あり = 1、関心なし = 0として扱うことができます。しかし、これは小さい問題で、0（関心なし）が本当にゼロなのかどうかはわかりません。お客様にその商品を購入する機会がなかったかもしれませんが、実際には欲しかったのかもしれません。

映画に戻って、評価がない場合を想定してみましょう。私たちはどのユーザーがどの映画を視聴したかしか知りません。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!