Ragionare più a fondo dove conta: ricorsione adattiva per elemento nella raccomandazione sequenziale

Abstract degli autori

I sistemi di raccomandazione sequenziale esistenti assegnano di solito una quantità fissa di risorse computazionali a ogni elemento nella cronologia delle interazioni di un utente, indipendentemente dal contributo dell’elemento alla previsione finale. Mettiamo in discussione questa scelta progettuale di fatto sulla base di due risultati diagnostici. (1) Fabbisogno computazionale non uniforme: gli elementi della stessa sequenza differiscono notevolmente per la quantità di calcolo necessaria. La maggior parte converge dopo un’elaborazione poco profonda, mentre una minoranza cruciale si stabilizza solo alla profondità massima. (2) Limiti dell’assegnazione fissa: potendo conoscere tramite un oracolo l’elemento bersaglio, un’assegnazione non uniforme della profondità supera sistematicamente quella fissa. Ciò indica che il calcolo uniforme adottato dai sistemi esistenti spreca capacità sugli elementi già convergenti e compromette la qualità complessiva delle raccomandazioni. Queste osservazioni motivano il passaggio da un calcolo a profondità fissa a un ragionamento adattivo per elemento. A questo scopo proponiamo LoopRec. LoopRec applica ricorsivamente un unico blocco a pesi condivisi e introduce, a ogni passaggio tra ricorsioni, un leggero meccanismo di controllo che decide indipendentemente per ciascun elemento se uscire o proseguire. Gli elementi le cui rappresentazioni sono sufficientemente mature escono in anticipo, mentre quelli che richiedono un ragionamento più approfondito proseguono nelle ricorsioni successive. Questa soluzione trasforma la profondità globale fissa in una proprietà appresa per ciascun elemento, senza etichette ausiliarie di profondità, ed è facilmente adattabile a diverse architetture backbone. Esperimenti approfonditi su benchmark pubblici, condotti con quattro famiglie di backbone, dimostrano che LoopRec supera sistematicamente le controparti a profondità fissa comparabili. Ulteriori analisi mostrano che l’assegnazione appresa da LoopRec presenta schemi interpretabili, coerenti con la nostra analisi a posteriori basata su un oracolo: gli elementi meno frequenti e le interazioni più recenti ricevono spontaneamente un’elaborazione più profonda. Il nostro codice è disponibile all’indirizzo https://github.com/Elpmis117/LoopRec.