[論文レビュー] Compatibility Family Learning for Item Recommendation and Generation

Yong-Siang Shih, Kai-Yueh Chang+2 more|arXiv (Cornell University)|Dec 2, 2017

Generative Adversarial Networks and Image Synthesis被引用数 26

ひとこと要約

本稿では、共有潜在空間内の学習可能なプロトタイプを用いて非対称で多対多のアイテム相互適合性をモデル化する、適合性ファミリー学習フレームワークを提案する。微分可能で、かつ適合性距離（PCD）関数を導入し、メトリック正則化付き条件付きGAN（MrCGAN）と組み合わせることで、最先端の推薦性能を達成するとともに、ユーザースタディーにおいても高い好みの適合性を持つアイテムの画像を生成した。

ABSTRACT

Compatibility between items, such as clothes and shoes, is a major factor among customer's purchasing decisions. However, learning "compatibility" is challenging due to (1) broader notions of compatibility than those of similarity, (2) the asymmetric nature of compatibility, and (3) only a small set of compatible and incompatible items are observed. We propose an end-to-end trainable system to embed each item into a latent vector and project a query item into K compatible prototypes in the same space. These prototypes reflect the broad notions of compatibility. We refer to both the embedding and prototypes as "Compatibility Family". In our learned space, we introduce a novel Projected Compatibility Distance (PCD) function which is differentiable and ensures diversity by aiming for at least one prototype to be close to a compatible item, whereas none of the prototypes are close to an incompatible item. We evaluate our system on a toy dataset, two Amazon product datasets, and Polyvore outfit dataset. Our method consistently achieves state-of-the-art performance. Finally, we show that we can visualize the candidate compatible prototypes using a Metric-regularized Conditional Generative Adversarial Network (MrCGAN), where the input is a projected prototype and the output is a generated image of a compatible item. We ask human evaluators to judge the relative compatibility between our generated images and images generated by CGANs conditioned directly on query items. Our generated images are significantly preferred, with roughly twice the number of votes as others.

研究の動機と目的

• 単なる類似性を超えて、非対称的で多様かつ広範囲のアイテム間適合性をモデル化する課題に取り組む。
• 適合性ラベルのデータ不足を克服するため、プロトタイプを用いてコンactな適合性空間を学習する。
• 適合性モデリングと画像生成を分離することで、高品質な適合アイテムの画像生成を可能にする。
• 現実世界のデータセットにおける複雑な適合関係を捉える、微分可能でエンドツーエンドで学習可能なシステムを構築する。

提案手法

• システムは、各アイテムごとに、ベース埋め込みと共有潜在空間内にK個の適合プロトタイプからなる適合性ファミリーを学習する。
• 適合性が方向的である（現実の購入／注文行動を反映）ように、少なくとも1つのプロトタイプが適合アイテムに近づき、非適合アイテムには近づかないように保証する、新しい微分可能な「射影適合性距離（PCD）」関数を導入する。
• PCD関数は、適合性が方向的であることを要件とすることで、非対称性を強制する。
• メトリック正則化付き条件付きGAN（MrCGAN）は、照準アイテムそのものではなく、射影されたプロトタイプを条件として画像を生成する。これにより、多様性と現実性が向上する。
• MrCGANは、生成画像とそのプロトタイプ入力との間の意味的類似性を保つために、メトリック損失で正則化される。
• フレームワークは、共購入、共閲覧、ファッションスタイリングデータセット上でエンドツーエンドに学習され、正例と負例のペアのバランスを取るためにデータリウェイトが適用される。

実験結果

リサーチクエスチョン

• RQ1 学習可能なプロトタイプベースのシステムは、アイテム類似性を超えた広範囲で非対称的かつ多様な適合性を効果的にモデル化できるか？
• RQ2 潜在空間内で適合性の近接性と非適合性の回避を両立させるために、どのように微分可能な距離関数を設計できるか？
• RQ3 照準アイテムそのものではなくプロトタイプから画像を生成することで、適合アイテムの生成品質と多様性が向上するか？
• RQ4 学習された適合性ファミリーは、最先端の手法と比較して、推薦精度をどの程度向上させるか？
• RQ5 人間の評価者にとって、提案されたMrCGANが生成する画像の適合性は、ベースラインのGANと比べてどの程度高く評価されるか？

主な発見

• 提案手法は、4つのデータセット（Fashion-MNIST+1+2、Amazon共購入、Amazon閲覧／購入、Polyvore）において、アイテム推薦で最先端の性能を達成した。
• ユーザースタディーでは、Amazon共購入調査において、MrCGANが生成した画像がベースラインモデルと比較して約2倍の票を得ており、強い人間の好みが裏付けられた。
• MrCGANは、特にAmazonデータセットにおいて、ランダムな画像と比較して顕著な差を示し、現実的で適合性の高い画像を生成する点でベースラインを大きく上回った。
• 適合性関係が対称的になる場合（例：Amazon共購入、Polyvore）でも、モデルは強い性能を維持しており、関係の対称性に対して頑健であることが示された。
• アブレーションスタディーでは、プロトタイプ数（K）を増やすことで性能はわずかに向上するが、次元が固定されている場合、その効果は限定的であった。
• メトリック正則化子（λₘ）は生成に役立つが、強すぎるとうまくいかず、推薦精度を損なうことがある。したがって、バランスの取れた性能を得るには、小さいλₘを推奨する。