LIGER - Meta AIをはじめとする複数の機関が開発したハイブリッド検索モデル

ライガーとは何ですか？

LIGERは、Meta AIをはじめとする複数の機関が開発したハイブリッド検索モデルで、生成型検索と集中型検索の利点を兼ね備えています。LIGERは、生成型検索モジュールを用いて候補アイテムの有限セットを生成し、次に集中型検索を用いてこれらのアイテムをランク付けし最適化します。これにより、生成型検索のストレージと推論効率の利点が維持され、特にコールドスタートアイテムの処理において、推薦パフォーマンスが向上します。LIGERは、次のアイテムのセマンティックIDとテキスト表現を入力として受け取り、そのセマンティックIDとテキスト表現を予測することで、生成型検索と集中型検索のパフォーマンスギャップを効果的に埋め、推薦システムに効率的かつ正確なソリューションを提供します。

LIGERの主な機能

• 候補プロジェクトを効率的に生成する生成型検索モジュールに基づいて、限られた数の候補アイテムを迅速に生成できるため、集中的に検索する必要のあるアイテム数を減らし、検索効率を向上させることができます。
• 候補プロジェクトのランキングを最適化する高密度検索は、生成された候補アイテムを分類および最適化するために使用され、推薦結果の正確性と関連性を確保し、ユーザーエクスペリエンスを向上させます。
• コールドスタートプロジェクトの取り扱いこれは、新規プロジェクトを効果的に生成・推奨し、新規プロジェクトにおける過去のインタラクションデータの不足によって生じる推奨問題を解決し、推奨システムの堅牢性を向上させる。
• 意味情報を組み合わせるセマンティックIDとプロジェクトテキスト表現に基づいて、プロジェクトの意味情報をより深く掘り下げ、プロジェクトコンテンツへの理解を深め、レコメンデーションの精度を向上させることができます。

LIGERの技術原理

• 生成検索モジュールTransformer生成モデルに基づき、ユーザーの操作履歴とアイテムの特性に応じて、候補アイテムのセマンティックIDのシーケンスが生成されます。セマンティックIDを使用してアイテムのセマンティック情報を表現することで、各アイテムを個別に埋め込む必要性が軽減されます。
• 高密度検索モジュール生成された候補アイテムセットに対して、高密度検索手法が適用されます。候補アイテムとターゲットアイテムの類似性は、アイテムのテキスト表現と意味的IDを用いて計算されます。その後、候補アイテムはランク付けおよび最適化され、最も関連性の高いアイテムが推薦対象として選択されます。
• 多目的最適化学習中、生成型検索と密な検索の目的関数が同時に最適化されます。生成型検索の予測誤差を最小化し、密な検索の類似性を最大化することで、モデルは候補アイテムの生成とランキングの最適化の両方において優れた性能を発揮します。
• セマンティックIDとテキスト表現の統合セマンティックIDとアイテムのテキスト表現を入力特徴量として使用し、エンコーダとデコーダの協調作業に基づいて、アイテムの埋め込み表現を生成すると同時に、次のアイテムのセマンティックIDとテキスト表現を予測することで、生成型検索と密な検索の効果的な融合を実現します。

LIGERのプロジェクト住所

• arXiv技術論文：https://arxiv.org/pdf/2411.18814

LIGERの応用シナリオ

• eコマースプラットフォームユーザーの購買履歴と嗜好に基づいて、パーソナライズされたおすすめ商品を提示するための商品候補を生成・最適化し、それによって購買体験とコンバージョン率を向上させる。
• コンテンツプラットフォームユーザーの読書習慣に基づいて、関連性の高い記事の候補セットを生成・分類し、最も興味深い記事を推薦することで、ユーザーの読書時間とプラットフォームへの定着率を高める。
• ソーシャルメディアユーザーの社会的関係や交流を分析し、潜在的な友人候補のセットを生成・分類し、友人になりそうな人物を推薦し、ソーシャルエクスペリエンスを向上させ、ネットワークを拡大する。
• オンライン教育プラットフォーム学生の学習履歴と興味に基づいて、コース候補のセットを作成・最適化し、最適なコースを推奨することで、学習成果と教育の質を向上させる。