Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
[Rec sys2013勉強会]using maximum coverage to optimize recommendation systems in e commerce
1. 【RecSys2013勉強会】
No. 8-3:
Using Maximum Coverage to Optimize
Recommendation Systems in E-Commerce
by M. Hammar, R. Karlsson and B. Nilsson
担当: 脇山 宗也(リクルートテクノロジーズ)
1
No. S8-3: 担当:脇山 宗也(リクルートテクノロジーズ)
2. 研究背景
Product Associated Recommendations(PARs)は、売れ筋
ランキング(Best Seller List)との重複しやすいため、PARs
で補助することは難しい
Maximum Coverage Listの場合、PARsと組み合わせるこ
とで、人気のある商品をカバーする確率を最大化するこ
とができる
Best Seller List (B-list)
Maximum Coverage List (M-list)
リスト内の商品の購買経験者
リスト内の商品の購買経験者
購入経験者は一部のユーザになりやすい
リスト内購入経験者数を最大化させる
2
No. S8-3: 担当:脇山 宗也(リクルートテクノロジーズ)
3. アルゴリズム
Maximum k-Coverageを用いる。ただし、NP問題である
⇒greedy max coverageで近似解を求める
少なくともMaximum k-Coverageの63%はカバーできる
今回の対象データでは、greedy max coverage(近似解)で、
Maximum k-Coverage(理論値)の99%カバーできている
対象データについては後述
Ageing(ageing model)
B-list、M-list共に利用するデータの鮮度が重要
直近から任意の購買セッション数(window size)遡り、list作成
用のデータとする
3
window sizeは、評価時のパラメータとしている
No. S8-3: 担当:脇山 宗也(リクルートテクノロジーズ)