ランダム欠損データに依存しない推薦システムのバイアス除去 / towards-resolving-propensity-contradiction-in-offline-recommender-learning

Transcript

1. ランダム⽋損データに依存しない 推薦システムのバイアス除去 野村 将寛 (Masahiro Nomura) CyberAgent AI Lab 07/02(Sat)@CFML勉強会 https://cfml.connpass.com/event/249531/ 1
2. 名前: • 野村 将寛 所属: • CyberAgent AI Lab: Creative Research Team 研究: • ハイパーパラメータ最適化 • 進化計算 • ベイズ最適化 • 推薦システム • バンディット • ⾃然⾔語処理 2 ⾃⼰紹介
3. Towards Resolving Propensity Contradiction in Offline Recommender Learning Yuta Saito (Cornell) and Masahiro Nomura (CyberAgent) IJCAI’22 (Long Talk) Acceptance rate=15%, Long Talk (top 4% of submissions) 3
4. 推薦システムは⾄るところで使われている Netflix, Spotify, Amazonなどのオンラインプラットフォームでは アルゴリズム的な推薦によりアイテムを⾃動的に推薦している 4 Spotify Netflix
5. 協調フィルタリング ユーザのそれぞれのアイテムに対する選好を観測された評価から学習する 5 Users Matrix Factorization - 1 3 4 5 - - - 3 Items
6. 真の評価分布と観測される評価分布のズレ 6 選択バイアス • 過去の推薦⽅法 • ユーザの選択⾏動 真の評価分布 (Marlin et al., UAIʼ07) Figure 2. Marlin, B., Zemel, R. S., Roweis, S., and Slaney, M. Collaborative filtering and the missing at random assumption. In UAI, 2007. 観測された評価分布
7. 理想的な評価指標 ユーザ/アイテム対 が与えられたもとで， 7 局所損失 （⼆乗損失, 絶対値損失等） ⼀様なユーザ/アイテム分布のもとでの 経験平均
8. 観測情報から理想的な損失をどう推定するか 8 観測から計算可能な損失 理想的な損失 ︖ 推定
9. ナイーブ推定量 9 観測データ上の局所損失の経験平均としてナイーブ推定量を定義 多くの推薦システムではこのナイーブ損失を最適化しようとしている 観測データ
10. ナイーブ推定量は”バイアス”されている 10 ナイーブ推定量の期待値は理想的な損失と⼀致しない バイアスが存在
11. 逆傾向スコア (IPS) 推定量 11 IPS推定量は傾向スコアの逆数で重みづけることでバイアスを除去している 観測データ 傾向スコア
12. IPS推定量は”バイアス”されていない 12 IPS推定量は理想的な損失を期待値の点でうまく近似する バイアスなし IPSを使えばよい︖
13. 傾向スコアの推定とその⽭盾 13 IPS推定量には傾向スコアの推定が必要 • しかし，真の傾向スコアは実⽤上⼿に⼊らない 既存研究では傾向スコアを⼗分に推定するため，真の分布からのランダムな (Missing-completely-at-random; MCAR) データを必要としている • 元々はMCARデータを使わずにうまく推定するのが⽬的だった • モチベーションと⽭盾することが起こっている
14. 傾向スコアの推定とその⽭盾 14 IPS推定量には傾向スコアの推定が必要 • しかし，真の傾向スコアは実⽤上⼿に⼊らない 既存研究では傾向スコアを⼗分に推定するため，真の分布からのランダムな (Missing-completely-at-random; MCAR) データを必要としている • 元々はMCARデータを使わずにうまく推定するのが⽬的だった • モチベーションと⽭盾することが起こっている 傾向スコアに依存しない形で正確な評価予測器を学習することは可能だろうか︖
15. Propensity Matrix Divergenceの導⼊ 15 傾向スコアの代わりに，Propensity Matrix Divergenceを定義する MNARとMCAR⽋損メ カニズム間の違いを計測
16. 理想的損失の理論的上界 16 PMDを使うことで，傾向スコアに依存しない理想的損失の上界を導出する With probability at least 1-δ: Propensity Matrix Divergence (PMD) ナイーブ損失 ラデマッハ複雑度
17. Domain Adversarial Matrix Factorization (DAMF) 17 理論的上界から⽰唆された損失を最⼩化する:
18. Domain Adversarial Matrix Factorization (DAMF) 18 PMDを経験的に近似する: 得られたR*を使って損失関数を最⼩化:
19. 実験: データセット 19 真の分布と観測分布にズレのある2つのデータセットを使⽤ Yahoo! R3: ⾳楽の評価データセット（15400 users） Coat: ショッピングデータセット（300 users）
20. 実験: ⽐較⼿法 ⾏列分解を以下の損失関数によって最適化: • ナイーブ損失 • IPS損失 [Schnabel et al.2016] • Doubly Robust(DR)損失 [Wang et al.2019] • CauseE [Bonner and Vasile.2018] • DAMF (our proposal) 20 傾向スコアが必要 MCARデータが必要& 理論的解釈が困難 傾向スコアは不必要 & 理論的妥当性を有する
21. 実験: ⽐較⼿法 IPS損失とDR損失については，傾向スコアとして以下を使⽤: 21 真の傾向スコアを使った場合についても参考として報告
22. 実験: 傾向スコアベースの⽅法の問題点 IPS/DRを⽤いた⽅法は，MCARデータが使えない場合には性能が低下 22 傾向スコアベース⼿法の問題を実験的に確認
23. 実験: 予測の評価 DAMFは予測の評価において，現実的なベースラインより良い性能を⽰す 23
24. 実験: ランキング性能 DAMFはランキング指標において，全てのベースラインより良い性能を⽰す 24
25. 実験: 理論的上界 傾向スコアに独⽴な理論的上界は概ね適切に機能している 25
26. • 選択バイアス下における傾向スコアに依存した既存⼿法の問題点を指摘 • 適切な推定のためには実⽤上得ることの難しいMCARデータが必要 • 本研究: MNARデータのみから学習を⾏う推薦システムを構築する • 傾向スコアに依存しない汎化誤差バウンドを導出 • そのバウンドを最⼩化する⼿法を提案 • MNARデータのみの設定でも優れた性能を⽰すことを実験で確認 26 まとめ
27. Thank you for listening! 27