Разграничение классов еще накладывает проблему "замкнутости", то есть можно лишить себя хороших кроссдоменных объяснений, вроде "рекомендуем вам забронировать номер в отеле, потому что вы купили билет в турцию". Категории магазинов разные, но объяснение то все равно хорошее)
Модели, которые мы использовали в своем эксперименте основаны только на взаимодействиях пользователя, то есть они не могут учитывать какие-то внешние признаки, вроде MCC.
Так можно хорошо разграничить классы магазинов и вероятность возникновения проблемы генерации «не правильного» магазина будет сведена к 0
Мы этого пытались добиться, используя SimCatALS, то есть магазины внутри одной категории имели больший приоритет, нежели любые другие. Но как видно из таблицы с метриками, это сработало хуже, чем просто использовать порядок от ALS.
Прикольный подход! А тестили классические SASRec/BERT4Rec на айдишниках, как они перформят относительно content-based подхода?
Разграничение классов еще накладывает проблему "замкнутости", то есть можно лишить себя хороших кроссдоменных объяснений, вроде "рекомендуем вам забронировать номер в отеле, потому что вы купили билет в турцию". Категории магазинов разные, но объяснение то все равно хорошее)
Модели, которые мы использовали в своем эксперименте основаны только на взаимодействиях пользователя, то есть они не могут учитывать какие-то внешние признаки, вроде MCC.
Мы этого пытались добиться, используя SimCatALS, то есть магазины внутри одной категории имели больший приоритет, нежели любые другие. Но как видно из таблицы с метриками, это сработало хуже, чем просто использовать порядок от ALS.
Большое спасибо за статью, очень легко и интересно читается!