[論文レビュー] TransNFCM: Translation-Based Neural Fashion Compatibility Modeling

Xun Yang, Yunshan Ma+3 more|arXiv (Cornell University)|Dec 25, 2018

Recommender Systems and Techniques参考文献 27被引用数 4

ひとこと要約

TransNFCMは、統一された空間内でのベクトル変換として、アイテム埋め込みとカテゴリ固有の補完的関係を同時に学習することにより、ファッションの適合性モデリングのための新しい翻訳ベースのニューラルフレームワークを提案する。これは、グローバルかつカテゴリに適応した適合性を効果的に捉えることで、不適切な類似性の推移性を低減し、実世界のデータセットにおける推薦精度を向上させ、最先端の手法を上回る性能を発揮する。

ABSTRACT

Identifying mix-and-match relationships between fashion items is an urgent task in a fashion e-commerce recommender system. It will significantly enhance user experience and satisfaction. However, due to the challenges of inferring the rich yet complicated set of compatibility patterns in a large e-commerce corpus of fashion items, this task is still underexplored. Inspired by the recent advances in multi-relational knowledge representation learning and deep neural networks, this paper proposes a novel Translation-based Neural Fashion Compatibility Modeling (TransNFCM) framework, which jointly optimizes fashion item embeddings and category-specific complementary relations in a unified space via an end-to-end learning manner. TransNFCM places items in a unified embedding space where a category-specific relation (category-comp-category) is modeled as a vector translation operating on the embeddings of compatible items from the corresponding categories. By this way, we not only capture the specific notion of compatibility conditioned on a specific pair of complementary categories, but also preserve the global notion of compatibility. We also design a deep fashion item encoder which exploits the complementary characteristic of visual and textual features to represent the fashion products. To the best of our knowledge, this is the first work that uses category-specific complementary relations to model the category-aware compatibility between items in a translation-based embedding space. Extensive experiments demonstrate the effectiveness of TransNFCM over the state-of-the-arts on two real-world datasets.

研究の動機と目的

• eコマース推薦システムにおいて、視覚的類似性を超えた複雑で多次元的なファッション適合性をモデル化する課題に対処すること。
• メトリック学習に基づくアプローチの限界、例えば不適切な類似性の推移性や文脈に無関係な適合性空間を克服すること。
• 統一された埋め込み空間内でのベクトル変換を用いた、データ依存性がありカテゴリ固有の適合性関数を導入すること。
• エンドツーエンドの学習フレームワークを通じて、アイテム埋め込みとカテゴリ補完的関係を同時に最適化すること。
• マルチモーダル（視覚的およびテキスト的）表現を活用して、クロスカテゴリのファッション推薦を向上させること。

提案手法

• TransNFCMは、各カテゴリ補完的ペア（例：Tシャツとパンツ）を埋め込み空間内での関係ベクトルとして表現する、マルチリレーションラーニング問題としてファッション適合性をモデル化する。
• 適合性は変換メカニズムを用いて定式化される：適合するアイテム x（ヘッド）と y（テール）に対して、関係ベクトル r が x + r ≈ y を満たすことで、カテゴリ固有の適合性概念を埋め込む。
• マルチモーダルアイテムエンコーダは、事前学習済みのCNNを視覚的特徴用に、テキストCNNをテキスト的特徴用に用い、統合されたアイテム埋め込みを生成する。
• フレームワークは、マージンベースのランク学習損失（例：BPR）を用いて、アイテム埋め込みと関係ベクトルを同時に最適化し、ポジティブペアにおいて x + r と y の距離を最小化する。
• 適合性スコアは P(x,y) ∝ -d(x + r^{c_x c_y}, y) として計算され、グローバル（x^T y）およびカテゴリ固有の（(y - x)^T r^{c_x c_y}）成分を統合する。
• 実証的結果により、クロスモダリティの一貫性や視覚的・意味的整合性損失は表現の多様性と性能を低下させるため、追加の損失を回避する。

実験結果

リサーチクエスチョン

• RQ1 翻訳ベースの埋め込みフレームワークは、グローバル類似性を超えて、カテゴリに適応したファッション適合性を効果的にモデル化できるか？
• RQ2 アイテム埋め込みとカテゴリ固有の関係を同時に学習することで、メトリック学習ベースラインと比較して適合性モデリングがどのように向上するか？
• RQ3 最終的な推薦性能における、グローバルおよびカテゴリ固有の適合性信号の相対的寄与度は何か？
• RQ4 ターゲットカテゴリが分かっているより有利な設定下で、TransNFCMは既存手法と比較してどのように性能を発揮するか？
• RQ5 本モデルは、複雑で多次元的なファッションデータを含む実世界のeコマースデータセットに一般化可能か？

主な発見

• FashionVCデータセットでは、TransNFCMは75.4%のAUCと33.4%のHit@10を達成し、同じマルチモーダル設定下でBPRが達成する75.4%のAUCと33.4%のHit@10を大きく上回る。
• Polyvoreデータセットでは、TransNFCMは73.8%のAUCと32.7%のHit@10を達成し、最先端の手法と比較して一貫した優位性を示す。
• グローバルおよびカテゴリ固有の適合性信号の組み合わせが最良のパフォーマンスをもたらす。カテゴリ固有の部分（例：(y - x)^T r）のみを用いると性能が著しく低下するが、グローバル部分のみでも十分ではない。
• ターゲットカテゴリが分かっている設定下でも、TransNFCMはTriNetをほぼ2%上回り、ネガティブ候補がランダムにサンプリングされる状況では4%近くの改善が顕著に見られる。
• アブレーションスタディにより、カテゴリ固有の関係ベクトル r^{c_x c_y} が、ハードネガティブをクエリからより遠ざけることで、不適切な類似性の推移性を効果的に緩和することが確認された。
• クロスモダリティの一貫性や視覚的・意味的整合性損失を一切使用せず、表現の多様性が低下するため性能が低下するという実証的結果を踏まえ、最先端のパフォーマンスを達成している。