Paper: https://dl.acm.org/doi/10.1145/3404835.3462957
PR113 Facebook group: https://www.facebook.com/groups/565858127904979
1. Diverse recommendation을 할 건데, image classification에서 long-tail problem 문제를 풀었던 BBN(CVPR'20)이라는 모델을 가져와서 풀어보자!
2. Accuracy를 목적으로 하는 conventional branch, diversity를 목적으로 하는 adaptive branch를 사용(BBN과 동일)
- 논문이 "매우" 불친절하고 코드도 없긴 하지만.... 논문에 없는 내용을 저자에게 물어본 결과 얻은 답변은,
- 두 branch에 들어가는 user는 같고 embedding은 다름
- Relationship vector를 구하는 trainable matrix W, T는 두 branch가 공유
- Inference 단계에서는 user-item embedding을 두 branch에 넣고, alpha=0.5로 잡고 ranking
- 나머지 부분은 논문을 보도록 합시다... 이해 자체는 하기 쉬운데 설명 자체가 좀 부족하다....
3. Experiment 결과는 진짜 엄청 좋은데, 검증할 방법이 없다. 코드도 없고, 논문에 빠진 내용도 너무 많아서 신용할 수 있을까....하는 생각이 든다. Ablation study 구성 자체는 괜찮은 것 같다.