Textové reprezentace pro doporučovací systémy

Abstract

V této práci zkoumáme způsoby, jak vylepšit existující doporučovací systémy pomocí textových embeddingů položek pro Top-N doporučování pomocí Sentence-BERT modelů. Vyhodnocujeme zvolené metody vůči state-of-the-art baseline metodám na datasetu MovieLens 100k, který rozdělujeme na trénovací a testovací množinu podle času interakce. Pro ladění hyperparametrů využíváme vnořenou validaci. Zjistili jsme, že jedna metoda s textovými embeddingy lehce zlepšuje kvalitu doporučení podle metrik na přítomnost položek (Hirate, Precision, Recall) a pořadí položek (NDCG) na zvoleném datasetu pro menší počet doporučovaných položek ale ne pro větší, kde je výkon srovnatelný.

In this thesis, we explore ways to enhance existing recommender systems with items' Sentence-BERT textual embeddings for the Top-N recommendation task. We evaluate the chosen methods against state-of-the-art baselines on the MovieLens 100k dataset split into test and train sets by interaction timestamp while using nested validation to tune hyperparameters. We find that textual embeddings used in one of the chosen methods improve recommendation quality very slightly as measured by both item-presence (Hitrate, Precision, Recall) and item-ranking metrics (NDCG) on the chosen dataset for shorter recommendation lists but not for longer where performance is comparable.