端末内の個人モデルと利用者グループの共有モデルを組み合わせる推薦手法MRFF
- MRFFは、行動履歴からクリック確率を予測し、Transformerの各層で個人用とグループ用の計算を組み合わせる。
- 利用者の履歴と個人用の重みを端末に置き、共有する重みを全体またはグループごとに集約する。
- 著者らのKuaiRand-Pureでの評価では、FedSASRecへのMRFF追加後、AUCは0.7297から0.7315、LogLossは0.5181から0.4953に変化した。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
閲覧・カート履歴を購入予測に生かすHEC-GCNの仕組み
- 閲覧やカート投入などの補助行動を使い、目標行動の商品候補に得点を付ける推薦手法。
- 行動別の関係図と超グラフを順に学び、同じ行動内と行動間で利用者・商品の特徴を対応付ける。
- 著者らは三つの公開データセットで、最良の比較手法に対するHR@10の相対改善を報告した。
推薦の入力文をどう選ぶか：90種類の比較と少量データによる選択
- 90種類の文面を５分野で比較し、全分野で最良となる文面は見つからなかった。
- 商品名にカテゴリや説明文を加える効果は、分野と文面の組み合わせによって変わった。
- 少量の検証データで文面を選ぶ手法を提案したが、LLMを替えた際は文面の再評価が必要だった。
買い物かごの順序と商品別の購入頻度から、次回の購入商品を予測するSAFERec
- 購入順序から得る点数と、商品別の購入回数・購入位置から得る点数を足し、次回のかごに入る商品を順位付けする。
- 著者らのDunnhumby評価では、Recall@10はSAFERecが0.1619、比較対象で最良のUP-CFが0.1503だった。
- TaFengとTaoBaoのRecall@10では別の手法が上回るため、導入先の注文履歴でも同じ条件で比較する必要がある。
無雑音の構音障害音声を強調すると、検出の手がかりはどう変わるか
- 著者らは、雑音のない構音障害音声に３種類の事前学習済み拡散型モデルを適用し、元音声、処理後音声、差分を比較した。
- PC-GITAでの構音障害検出では、３モデルの処理後音声はいずれも元音声より患者検出の感度が低かった。
- 元音声と差分の特徴量を結合すると改善する条件があった。ただし結果は検出器と指標で異なり、雑音のある発話への適用は評価されていない。
画像の指定領域をWikipedia項目に結び付ける画素単位の視覚エンティティリンク
- 画像と対象の画素マスクから、対応するWikipedia項目を予測する課題を提案した。
- 既存の項目ラベルから画像領域を探す方法で、5,245,421件のマスク付き注釈を作成した。
- 著者らが報告したテストセット全体の正解率は、未調整モデル1.3％、調整後20.0％、領域特徴を加えたモデル25.2％だった。
文書が生成文に与える確率を比べて群分けするGenerative Clustering
- GCは文書を生成テキストへの確率分布で表し、その違いから群分けする。
- 著者らが報告したACCはR2で96.1、R5で79.1、AG Newsで85.9、Yahoo! Answersで60.7だった。
- 社内記録への適用は未検証であり、既存の群分け法との比較と結果の安定性確認が必要である。
好きな曲の音声から和音問題とピアノ教材を作る二つの試作
- RealEarTrainerは選んだ曲の拍と和音を推定し、原曲の短い部分を使う和音当て問題を作る。
- ピアノ教材の試作では、採譜した曲を簡略化し、原曲の和音変化に沿う音階練習を添えた。
- 著者らは教材の作成例を示したが、学習効果を測る比較試験や長期調査は今後の課題としている。
視聴時間を条件に動画候補を探す――推薦の検索段階を変えるCRM
- CRMは視聴時間を条件として利用者側の検索表現に入れ、動画候補の段階から目標を反映する。
- 運用時には直近32本の平均視聴時間と最大視聴時間を確率的に切り替える。
- 著者らのオンラインA/Bテストでは、動画視聴時間が二つの画面でそれぞれ0.372％、0.457％増えた。
生の音声波形から合成方式を分類するInc-TSSDNetの検証
- 既存のInc-TSSDNetの最終層を変更し、６秒に調整した生波形から既知方式または未知クラスを分類した。
- 著者らの分割したテスト集合では、Inc-TSSDNetの正解率は拡張前0.96、拡張後1.00だった。
- 著者らはラベル非公開の大会評価データについて、Part 1の一部で正解率0.84、Part 2で0.91を報告した。
図表やスライドを含む文書をRAGで検索するための三方式の抽出と階層化
- 三方式で文書から文字や画像の情報を抽出し、ページ単位で統合してから種類別の節点に分ける。
- 本文、画像説明、表の説明、要約を使い分け、節点間の関係を残した検索用の表現を作る。
- 著者の評価では回答関連性と忠実性が高い一方、検索文脈の関連性は低い。具体的な得点は確認できた本文からは読み取れない。
昆虫４分類の録音を識別する：音声加工の効果を元録音を分けて検証
- ４分類の昆虫音を短い区間に分け、40個のMFCCを５種類の分類器に入力する研究。
- 元録音を分けた評価では、決定木の一条件で音声加工後の平均テスト正解率が上がり、ランダムフォレストの同条件では下がった。
- 音声加工の個数には本文内で食い違いがあり、再現時の設定確認と現場録音での検証が必要。