AI用語集
人工知能の完全辞典
逐次推薦
ユーザーのインタラクションの時系列順序をモデリングして次の興味を予測する推薦システムのアプローチ。従来の手法とは異なり、時間的依存関係と嗜好の進化を捉えます。
セッションベース推薦
単一ユーザーセッション内のインタラクションに焦点を当てる逐次推薦のサブドメイン。長期的な履歴を必要とせず、即時の行動に基づいて関連性のある推薦を生成します。
マルコフ決定過程
将来の状態が現在の状態と取られたアクションのみに依存する逐次決定のための正式な数学的モデル。アイテム間の遷移をモデリングするために推薦システムに適用されます。
GRU4Rec
ゲーテッドリカレントユニット（GRU）に基づくリカレントニューラルネットワークアーキテクチャで、セッションベース推薦のために特別に設計されています。アテンションメカニズムとサンプリング手法を使用してシーケンシャルデータでのパフォーマンスを向上させます。
BERT4Rec
双方向トランスフォーマーを使用して文脈依存関係を捕捉するBERTアーキテクチャから適応された逐次推薦モデル。アイテムマスキングを事前学習タスクとして適用して、堅牢なシーケンシャル表現を学習します。
トランスフォーマーベース推薦
インタラクションシーケンス内の長距離依存関係を捕捉するためにトランスフォーマーアーキテクチャを使用するモデルのクラス。これらのモデルは、マルチヘッドアテンションメカニズムにより、従来のRNNを上回る性能を示します。
シーケンシャルパターンマイニング
ユーザートランザクションシーケンス内の頻出および順序付けられたパターンを抽出するプロセス。これらのパターンは、典型的な行動を理解し、観察された傾向に基づいて推薦を生成するための基礎として機能します。
次のアイテム予測
ユーザーが次にインタラクションする可能性のあるアイテムを予測する逐次推薦の基本的なタスク。ほとんどの現代的な逐次モデルの学習目標として機能します。
時間的ダイナミクス
ユーザーの嗜好が時間と共に変化する現象で、これらの漸進的な変化を捉えるモデルが必要です。シーケンシャル推薦システムは、提案の関連性を維持するためにこれらのダイナミクスを統合します。
ユーザーセッションモデリング
ユーザーの相互作用をセッション内で順序付けられた有意義なシーケンスとして表現する技術です。これにより、短期的な意図と閲覧コンテキストを捉え、即時の推薦を可能にします。
シーケンシャル埋め込み
アイテムやユーザーのベクトル表現で、相互作用のシーケンシャル情報とコンテキスト情報を保持します。これらの埋め込みは、アイテムの内在的特性と時間的関係の両方を捉えます。
SASRec
Self-Attentive Sequential Recommendationの略で、アテンション機構のみを使用するシーケンシャル推薦の先駆的なモデルです。従来のRNNの制限なしに、長距離の依存関係を効果的に捉えます。
NARM
Neural Attentive Recommendation Machineの略で、セッションベースの推薦のためにRNNとアテンション機構を組み合わせたモデルです。グローバルなシーケンシャル行動と現在のセッションの主要な意図の両方を捉えます。
STAMP
Short-Term Attention/Memory Priority Modelの略で、セッションベースの推薦のために最近の相互作用に焦点を当てるアーキテクチャです。アテンションを使用して、短期記憶内の異なるアイテムの重要性を重み付けします。
時間認識推薦
タイムスタンプ、期間、サイクルなどの時間情報を推薦モデルに明示的に統合するアプローチです。時間的パターンと相互作用の新しさを捉えることで精度を向上させます。
シーケンシャルコールドスタート
履歴が少ないか全くない新しいユーザーやアイテムに推薦を行う際のシーケンシャルシステム固有の課題です。転移学習やセッションベースのモデルなど、この問題を緩和する解決策が含まれます。
GNNベースのシーケンシャル推薦
シーケンス内のアイテム間の複雑な関係をモデル化するために、グラフニューラルネットワークを使用するアプローチ。シーケンシャルデータにおける状態遷移と暗黙的なグラフ構造を効果的に捉える。
階層的シーケンシャルモデリング
異なる時間スケールでパターンを捉えるために、複数の抽象化レベル（セッション、日、週）でシーケンスをモデル化する技術。ユーザー行動のよりニュアンスされた理解を可能にする。
対照的シーケンシャル学習
同じシーケンスの正のビュー間の類似性を最大化することでシーケンシャル表現を改善するために、対照学習を使用する学習パラダイム。ノイズとスパースなデータに対するモデルの頑健性を強化する。