Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
KDD2023 論文読み会 Fresh Content Needs More Attentio...
Search
Kazuki Yoshii
January 17, 2024
Technology
910
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
KDD2023 論文読み会 Fresh Content Needs More Attention: Multi-funnel Fresh Content Recommendation
Kazuki Yoshii
January 17, 2024
Other Decks in Technology
See All in Technology
FinOps Agentが生んだ技術負債:コスト自動調査の落とし穴と解消までの道のり
oasis1994liveforever
2
150
Kiro Crewをはじめよう
kizawa2020
1
160
スプシの手作業からの解脱 ~更新はClaude Codeに、見せ方と使い方はGASアプリに任せる~
kentarofujii
0
160
Browser Spec: Testing Hotwire with Ruby
takahashim
1
130
Temporal 最高!でも改めて「日付」について調べたら人類の負債すぎる件
riyaamemiya
0
190
OptunaHub: ブラックボックス最適化のためのプラットフォーム
pfn
PRO
0
140
JAWS-UGグッズ職人仕事の流儀
kentapapa
0
120
Getting Started with Google Antigravity
glaforge
0
320
AI × アーキテクト 第1・2章|生成AIの課題とアーキテクトの素養
daidaidai
0
180
sue445's proposals 2026
sue445
0
100
今さら理解するウェブフォントver.2026
takanorip
3
910
Railsで挑む大量データ永続化 〜600億件を永続化するための設計とボトルネックとの戦い〜
occhi
1
780
Featured
See All Featured
Conquering PDFs: document understanding beyond plain text
inesmontani
PRO
4
3.2k
GraphQLとの向き合い方2022年版
quramy
50
15k
How to Think Like a Performance Engineer
csswizardry
28
2.9k
Mozcon NYC 2025: Stop Losing SEO Traffic
samtorres
1
580
SEO Brein meetup: CTRL+C is not how to scale international SEO
lindahogenes
2
2.9k
More Than Pixels: Becoming A User Experience Designer
marktimemedia
3
570
Discover your Explorer Soul
emna__ayadi
2
1.3k
Designing for Performance
lara
612
70k
We Have a Design System, Now What?
morganepeng
55
8.4k
The SEO Collaboration Effect
kristinabergwall1
1
590
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
128
56k
HU Berlin: Industrial-Strength Natural Language Processing with spaCy and Prodigy
inesmontani
PRO
0
760
Transcript
公開 © LY Corporation LINEヤフー株式会社 吉井 和輝 | Kazuki YOSHII
Fresh Content Needs More Attention: Multi-funnel Fresh Content Recommendation KDD2023 論⽂読み会
© LY Corporation 公開 2 ⾃⼰紹介 • ٢Ҫ ً •
ུྺ • େֶɾେֶӃͰҎԼͷྖҬͷݚڀΛ࣮ࢪ • $SPTT%PNBJO3FDPNNFOEBUJPO • *NBHF$BQUJPOJOH • ৽ଔͰϠϑʔגࣜձࣾ ࣌ ʹೖࣾ ೖࣾͰࠓͰ • ۀͰϨίϝϯσʔγϣϯ ԣஅσʔλར׆༻ྖҬʹܞΘΔ • ݱࡏ-*/&ϠϑʔגࣜձࣾͰ .-ϓϩμΫτͷϚωʔδϟʔ ЈΞΧϯτ!FWF@ZL ࠷ۙ30.ઐ
© LY Corporation 公開 (PPHMFࣾʹ͓͚Δʮ৽نίϯςϯπϨίϝϯυʯͷޭࣄྫΛ·ͱΊͨจ ৽نίϯςϯπϨίϝϯυઐ༻ͷܝग़໘Λ࡞Δ͜ͱͰϓϥοτϑΥʔϜશମʹԸܙ͕ಘΒΕͨ ৽نίϯςϯπ͚ͷϨίϝϯυϞσϧఏҊͱ࣮ূ࣮ݧΛߦͬͨ 01 03 02
3 論⽂三⾏まとめ
© LY Corporation 公開 導⼊: ⼀般的な ⼤規模レコメンドモデルについて 4
© LY Corporation 公開 5 ⼀般的な⼤規模レコメンドモデル 引⽤: Two-Towerモデルと近似最近傍探索による候補⽣成ロジックの導⼊ (Recuruit Data
Blog) • TUBHFͷϞσϧ͕Ұൠత • TU TUBHFେྔͷΞΠςϜू߹͔Β Ϩίϝϯυީิू߹Λ ߴʹ࡞ dඦ • OE TUBHF ͔͔࣌ؒΔ͕ߴਫ਼ͳ ϦϥϯΩϯάΛ࣮ࢪ • TU TUBHFͰਫ਼ͱͷόϥϯεΛऔΔ ͨΊʹΑ͘5XP5PXFSϞσϧ͕࠾༻͞ΕΔ • ϢʔβͷใͱΞΠςϜͷใΛ ͦΕͧΕ%//Ͱ&NCFEEJOH • ৴࣌ɺࣄલʹܭࢉ͓͍ͯͨ͠ ΞΠςϜ&NCFEEJOHʹରͯ͠ ϦΞϧλΠϜʹ࡞͞ΕͨϢʔβ &NCFEEJOHͰۙࣅۙ୳ࡧ
© LY Corporation 公開 6 ⼀般的な⼤規模レコメンドモデルの課題 • TUBHFͷͲͪΒͷϞσϧϢʔβͷΠϯλϥΫγϣϯΛ ݩʹֶश͞Ε͍ͯΔͨΊɺڧྗͳϑΟʔυόοΫϧʔϓ ͕ൃੜ͢Δ
• zSJDIHFUTSJDIFSzFGGFDU • ਓؾͳίϯςϯπϨίϝϯυ͞Ε͍͢ ˢˣ Ϩίϝϯυ͞Ε͍͢ίϯςϯπΑ͘ݟΒΕΔ • ৽͘͠ߘ͞Εͨ৽نίϯςϯπΠϯλϥΫγϣϯ σʔλ͕ͳ͍ͨΊɺదͳϢʔβʹܝࡌ͢Δ·Ͱʹߴ͍ োน͕ଘࡏ͢Δ • lΞΠςϜͷίʔϧυελʔτz • ৽نίϯςϯπେͳྔଘࡏ͢Δ • :PV5VCFຖ࣌ؒͷಈը͕Ξοϓϩʔυ • 4QPUJGZඵ͝ͱʹ৽نτϥοΫ͕Ξοϓϩʔυ গͷਓؾίϯςϯπ ϑΟʔυόοΫϧʔϓΛஅͪΓɺ࣭ͷߴ͍৽نίϯςϯπΛదʹఏڙ͍ͨ͠ʂ େଟͷ ɾ৽نίϯςϯπ ɾςʔϧίϯςϯπ
© LY Corporation 公開 ৽نίϯςϯπϨίϝϯυύΠϓϥΠϯΛఏҊ͠ɺΦϯϥΠϯڥͰޮՌΛܭଌ ৽نίϯςϯπϨίϝϯυͷϞσϧΛվળ͠ɺΦϯϥΠϯڥͰޮՌΛܭଌ छྨͷ৽نίϯςϯπϨίϝϯυϞσϧͷ͍͚ʹ͍ͭͯੳ 01 03 02
7 本論⽂の貢献 ࠓ͢ ࠓ͢
© LY Corporation 公開 8 本論⽂の⼿法は(おそらく)本番導⼊済み ৽نίϯςϯπ ߘ͕৽͍͠ PSࢹௌճ͕গͳ͍ ͕
Ϩίϝϯυཝʹࠞ͟ΔΑ͏ʹͳͬͯΔʂʂ Α͍͠ͷ:PV5VCFϨίϝϯυ
© LY Corporation 公開 新規コンテンツレコメンドパイプライン 9
© LY Corporation 公開 10 新規コンテンツレコメンドで考えること • ظతͳϢʔβମݧͷѱԽͱظతͳϓϥοτϑΥʔϜվળͷόϥϯεΛऔΓ͍ͨ • Ϣʔβʹ৽نίϯςϯπΛݟͤΔϑΟʔυόοΫू·Δ͕ଟ͘ͷ߹ϢʔβମݧѱԽ
ͳΔ͘ϢʔβମݧΛଛͳΘͣʹϑΟʔυόοΫΛूΊ͍ͨ • ҎԼͷͭͷࢦඪΛߟ͑Δ • $PWFSBHFύΠϓϥΠϯ͕Ͳͷ͘Β͍ͷ৽نίϯςϯπΛϢʔβʹఏࣔͰ͖Δ͔ • 3FMFWBODFύΠϓϥΠϯ͕Ͳͷ͘Β͍Ϣʔβʹڵຯͷ͋ΔίϯςϯπΛఏࣔͰ͖Δ͔ ϢʔβʹఏࣔͰ͖Δ ΞΠςϜͷछྨ $PWFSBHFͷΠϝʔδ Ϣʔβʹఏࣔͨ͠ΞΠςϜ͕ ͲΕ͚ͩϢʔβͷڵຯͷ͋Δ ͷ͔ 3FMFWBODFͷΠϝʔδ ˓ ˓ º º
© LY Corporation 公開 11 新規コンテンツレコメンドパイプライン ҎԼͷίϯϙʔωϯτ͔Βߏ͞ΕΔ 'SFTIDPOUFOUOPNJOBUPS
(SBEVBUJPOGJMUFS .VMUJBSNCBOEJU1SFTDPSFS3BOLFS ৽نίϯςϯπઐ༻εϩοτ
© LY Corporation 公開 12 新規コンテンツレコメンドパイプライン 'SFTIDPOUFOUOPNJOBUPS • ίϯςϯπϕʔεͷ5XP5PXFSϞσϧʹΑΓߏங
• ϢʔβλϫʔͰɺϢʔβͷӾཡཤྺ͔Β&NCFEEJOHΛֶश • ΞΠςϜλϫʔͰɺίϯςϯπͷใ λΠτϧΧςΰϦͳͲ ͷΈ͔Β&NCFEEJOHΛֶश • ࣮ใΛΘͳ͍ͷͰ৽نίϯςϯπʹରͯ͠ਪՄೳ • ਪ࣌ۙࣅۙ୳ࡧʹΑΓ5PQͷΞΠςϜू߹Λฦ͢
© LY Corporation 公開 13 新規コンテンツレコメンドパイプライン (SBEVBUJPOGJMUFS • OճҎ্ϢʔβʹΠϯλϥΫγϣϯ͞ΕͨΞΠςϜΛީิू߹͔ΒऔΓআ͘ •
ϏδωεϩδοΫʹ֘ • ҰఆҎ্ͷΠϯλϥΫγϣϯ͕ੵ͞ΕͨΞΠςϜϝΠϯͷϨίϝϯυύΠϓϥΠϯͰ ॲཧ͞ΕΔΑ͏ʹͳΔͨΊ
© LY Corporation 公開 14 新規コンテンツレコメンドパイプライン .VMUJBSNCBOEJU1SFTDPSFS3BOLFS • 3BOLFSϝΠϯͷϨίϝϯυύΠϓϥΠϯͰΘΕΔ%//Λ༻͍ͨϦϥϯΧ •
࠷ऴతʹఏࣔ͢ΔͭͷΞΠςϜΛܾఆ͢Δ • .VMUJBSNCBOEJU1SFTDPSFS֤ΞʔϜ͕ίϯςϯπʹରԠ͢Δ#FSOPVMMJNVMUJBSNCBOEJU • 𝑟! ใु lΞΠςϜJ͕ඵҎ্Ӿཡ͞ΕΔ$53z • α" β" ۙΠϯϓϨογϣϯͷ৽نίϯςϯπ͔Β ࠷ਪఆ͞Εͨάϩʔόϧͳࣄલ • 𝑥! ΞΠςϜJͷΠϯλϥΫγϣϯͷ૯ • 𝑛! ΞΠςϜJͷΠϯϓϨογϣϯͷ૯
© LY Corporation 公開 15 新規コンテンツレコメンドパイプライン ৽نίϯςϯπઐ༻εϩοτ • ҎԼͷޮՌΛૂͬͯɺ৽نίϯςϯπઐ༻ͷεϩοτΛͭઃ͚Δ •
৴Մೳੑ৽نίϯςϯπͷϨίϝϯυΛඞͣܝग़Ͱ͖Δ • ଌఆՄೳੑ͜ͷεϩοτͷ࣮ΛݟΔ͜ͱͰ༰қʹޮՌܭଌ͕Ͱ͖Δ • ֦ுੑ୯Ұεϩοτʹର͢ΔύΠϓϥΠϯ༰қʹ֦ுɾԣల։Ͱ͖Δ
© LY Corporation 公開 16 新規コンテンツレコメンドパイプラインの効果検証 • Ϩίϝϯυͷίʔύε ީิू߹ Λڞ༗͍ͯ͠ΔͨΊɺԿߟ͑ͣςετ͢Δͱ
5SFBUNFOUͷӨڹ͕$POUSPMʹz࿙Εग़͢z • Ұൠతͳ"#ςετͰϢʔβΛ͢Δ͕ɺͦͷ߹ͲͪΒͷϢʔβʹ৽نίϯς ϯπ͕ܝग़͞ΕΔՄೳੑ͕͋ΔͨΊɺޮՌଌఆ͕ࠔ • ίʔύεΛ$POUSPMͱ5SFBUNFOUͰಠཱͤ͞Δ͜ͱͰ͜ͷΛճආ
© LY Corporation 公開 18 効果検証結果 • ϲ݄ؒͷ"#ςετΛ࣮ࢪ͠ޮՌݕূ • $POUSPM
ϝΠϯͷϨίϝϯυύΠϓϥΠϯ͔ΒಘΒΕͨΞΠςϜͷΈܝग़ • 5SFBUNFOU৽نίϯςϯπύΠϓϥΠϯ͔ΒಘΒΕͨΞΠςϜܝग़ ʹ9ճҎ্ΠϯϓϨογϣϯ͞ΕΔ ΞΠςϜ͕$POUSPMΑΓd૿Ճ :ؒʹ9ճҎ্ΠϯλϥΫγϣϯ͞ΕΔ ΞΠςϜΛݟ͍ͯͣΕ૿Ճ 9͕େ͖͍ΞΠςϜͰ:ؒ͘Β͍Ͱ ऩଋ͢Δ͜ͱ͕Θ͔ͬͨ 5SFBUNFOU܈ͰɺΞοϓϩʔυ͞ΕΔ ίϯςϯπ͕Ұ؏ͯ͠վળͨ͠ ৽نίϯςϯπ༻ͷύΠϓϥΠϯΛ࡞Δ͚ͩͰ ΑΓͨ͘͞Μͷίϯςϯπ͕Ξοϓϩʔυ͞Ε ΔΑ͏ʹͳΔ $PWFSBHF؍ͷ֤ࢦඪʹ͍ͭͯ
© LY Corporation 公開 19 効果検証結果 ϓϥοτϑΥʔϜ :PV5VCF શମͷ Ϣʔβͷฏۉࡏ࣌ؒͱएׯѱԽ
৽نίϯςϯπͷฏۉࡏ࣌ؒ ͱ େ͖͘૿Ճ ظతͳޮՌΛߟ͑ΔͱेͳτϨʔυΦϑ • ϲ݄ؒͷ"#ςετΛ࣮ࢪ͠ޮՌݕূ • $POUSPM ϝΠϯͷϨίϝϯυύΠϓϥΠϯ͔ΒಘΒΕͨΞΠςϜͷΈܝग़ • 5SFBUNFOU৽نίϯςϯπύΠϓϥΠϯ͔ΒಘΒΕͨΞΠςϜܝग़ 3FMFWBODF؍ͷ֤ࢦඪʹ͍ͭͯ
© LY Corporation 公開 新規コンテンツレコメンドモデル改善 Multi-funnel Fresh Content Recommendation 20
© LY Corporation 公開 21 新規コンテンツレコメンドをさらに改善させるために • ઌ΄ͲύΠϓϥΠϯͰΘΕ͍ͯΔϞσϧΛϕʔεϥΠϯͱ͠ ͞Βʹࢦඪ $PWFSBHF
3FMFWBODF Λվળ͍ͨ͠ • ৽نίϯςϯπɺ͞ΒʹҎԼͷೋͭͷGVOOFMʹྨͰ͖Δ • -PXGVOOFMΠϯλϥΫγϣϯ͕͘͝গɺ ͘͠શ͘ଘࡏ͠ͳ͍ίϯςϯπ • .JEGVOOFM͍͔ͭ͘ͷॳظϑΟʔυόοΫΛ ऩूͰ͖ͨίϯςϯπ • ೋͭͷࢦඪͷ࠷େԽΛࢦͨ͢Ίʹɺ্هGVOOFMͷͨΊͷ छྨͷϞσϧͷซ༻Λߦ͏ • -PXGVOOFMίϯςϯπϕʔεͷ5XP5PXFSϞσϧ ϓϩτλΠϓͷ5XP5PXFSϞσϧͷ ಛྔΛ͞Βʹվળ • .JEGVOOFM3FBMUJNF3FDPNNFOEBUJPO ͜Ε5XP5PXFSϞσϧ
© LY Corporation 公開 23 Real-time Two-Towerモデル • લड़ͷίϯςϯπϕʔεͷϞσϧ৽نίϯςϯπʹ ద༻Մೳͳ໘ɺϢʔβ͔ΒͷϑΟʔυόοΫʹૉૣ͘
ରԠ͢Δೳྗʹ͚ܽΔ • 3FMFWBODF্ͷͨΊʹྑ͘ͳ͍৽نίϯςϯπͷܝग़Λ ૉૣ͘ࢭΊ͍ͨ • ྑ࣭ͳ৽نίϯςϯπଞͷଟ͘ͷϢʔβʹܝग़͠ ΠϯλϥΫγϣϯσʔλΛूΊ͍ͨ • ϢʔβͷΠϯλϥΫγϣϯΛ࣌ؒͰөͤ͞Δ 3FBMUJNFϞσϧΛߏங • ϝΠϯͷϨίϝϯυύΠϓϥΠϯ࣌ؒd͔͔Δ • ֶशσʔλۙؒͷ৽نίϯςϯπɾςʔϧ ίϯςϯπͷΠϯλϥΫγϣϯσʔλ • લճֶशͨ͠Ϟσϧύϥϝʔλ͔ΒXBSNTUBSUֶͯ͠श • ࣌ؒʹҰɺ্هֶशσʔλΛֶ࣌ؒश͠ө
© LY Corporation 公開 24 Real-time Two-Towerモデル • Ϣʔβ͕࣍ʹΠϯλϥΫγϣϯ͢ΔίϯςϯπΛͯΔ ͰϞσϧΛֶश͢Δ
• ΞΠςϜλϫʔίϯςϯπ*%ͷΈΛͬͨγϯϓϧͳ ͷΛར༻͢Δ • ϢʔβλϫʔϢʔβ͕ۙӾཡͨ͠O݅ͷίϯςϯπͷ ಛྔ͔ΒϢʔβͷಛΛ࡞͢Δ • O݅ͷίϯςϯπͷ&NCFEEJOHΛॏΈ͚ͭฏۉ • ॏΈҎԼͷಛྔ͔Βܭࢉ • EXFMMUJNF ίϯςϯπ𝑉! ͷࡏ࣌ؒ • UJNFHBQݱࡏ࣌ࠁͱΠϯλϥΫγϣϯͨ͠ ࣌ࠁͱͷࠩ • QPTJUJPOԿ൪ʹܝग़͞Ε͍͔ͯͨ • GಛΛεΧϥʔʹม͢Δؔ
© LY Corporation 公開 25 Multi-funnel Fresh Content Recommendation •
৽نίϯςϯπɺ͞ΒʹҎԼͷೋͭͷGVOOFMʹྨͰ͖Δ • -PX GVOOFM ΠϯλϥΫγϣϯ͕͘͝গɺ͘͠શ͘ଘࡏ͠ͳ͍ίϯςϯπ • .JE GVOOFM͍͔ͭ͘ͷॳظϑΟʔυόοΫΛऩूͰ͖ͨίϯςϯπ • -PXGVOOFMͳίϯςϯπ O ʹίϯςϯπϕʔεͷ5XP5PXFSϞσϧΛɺ .JEGVOOFMͳίϯςϯπʹ3FBMUJNF5XP5PXFSϞσϧΛར༻͢Δ • Կߟ͑ͣซ༻͢ΔͱਓؾόΠΞε͕͔͔Δ 3BOLFS͕.JEGVOOFMΛภॏ͢Δ ͨΊ ֬Q Ͱ-PX GVOOFMΛɺQͰ.JEGVOOFMΛ͏Α͏ʹ͢Δ ΫΤϦଟॏԽ
© LY Corporation 公開 26 効果検証結果 • ϲ݄ؒͷ"#ςετΛ࣮ࢪ͠ޮՌݕূ • 4UXPUPXFSίϯςϯπϕʔεͷ5XP5PXFSϞσϧͷΈར༻
• 4SFBMUJNF3FBMUJNF5XP5PXFSϞσϧͷΈར༻ • .VMUJGVOOFM্هϞσϧΛQͰซ༻ 4UXPUPXFSΛϕʔεϥΠϯʹ4SFBMUJNFͱൺֱ 9ճҎ্ΠϯϓϨογϣϯ͢ΔϢχʔΫΞΠςϜ͕ 9͕େ͖͘ͳΔ΄ͲSFBMUJNF͕ڧ͍ $PWFSBHF؍ͷ֤ࢦඪʹ͍ͭͯ 4UXPUPXFSΛϕʔεϥΠϯʹ.VMUJGVOOFMͱൺֱ ϞσϧΛซ༻͢Δ͜ͱͰऑ͔ͬͨ9͕খ͍͞ྖҬ MPXGVOOFMͳίϯςϯπ ͷΧόϨοδ͕େ͖͘վળ
© LY Corporation 公開 27 効果検証結果 ϓϥοτϑΥʔϜશମͷฏۉࡏ࣌ؒ େ͖ͳมԽͳ͘ϢʔβͷѱӨڹͳ͠ʹ $PWFSBHFվળͰ͖͍ͯΔ͜ͱΛ͍ࣔͯ͠Δ 3FMFWBODF؍ͷ֤ࢦඪʹ͍ͭͯ
ϕʔεϥΠϯ4UXPUPXFS ੨4SFBMUJNF .VMUJGVOOFM ৽نίϯςϯπͷؒͷϙδςΟϒͳ ΠϯλϥΫγϣϯ 4SFBMUJNFΑΓਖ਼֬ʹϢʔβͷᅂΛ өͰ͖͍ͯΔ
© LY Corporation 公開 まとめと感想 32
© LY Corporation 公開 (PPHMFࣾʹ͓͚Δʮ৽نίϯςϯπϨίϝϯυʯͷޭࣄྫΛ·ͱΊͨจ ৽نίϯςϯπϨίϝϯυઐ༻ͷܝग़໘Λ࡞Δ͜ͱͰϓϥοτϑΥʔϜશମʹԸܙ͕ಘΒΕͨ ৽نίϯςϯπ͚ͷϨίϝϯυϞσϧఏҊͱ࣮ূ࣮ݧΛߦͬͨ 01 03 02
33 まとめ • ײ • ՝ʹରͯ͠దͳੳɺख๏બఆɺݕূΛߦ͍ɺͦͷݟΛ੯͛͠ແ͘ެ։ͯ͘͠Ε͍ͯΔ ඇৗʹྑ͍จͩͱײͨ͡ • ৽نίϯςϯπઐ༻εϩοτΛ༻ҙ͢Δͷ ൺֱత ؆୯ʹࢼͤͦ͏ͰޮՌେ͖ͦ͏ɻ ίϯςϯπͷΞοϓϩʔυ૿͑Δͷຊʜ • ՝ײ͕େنϓϥοτϑΥʔϚʔಛ༗ʹײͨ͡ɻ͜ͷݟΛ׆͔ͤΔձࣾଟ͘ͳ͍ʜ