Artificial Intelligence Recommendation:ソート設定

設定方法

ソート設定は、設定概要の `SortConfs` に対応します。`SortConfs` は、複数のソートポリシーを設定できる `[]object` 構造です。PAI-Rec は、BoostScoreSort、BoostScoreByWeight、ItemRankScore、DiversityRuleSort、DPPSort、MultiRecallMixSort という組み込みポリシーを提供します。

共通のソート設定

各ソート設定は、共通設定のサブセットを使用します。このセクションでは、繰り返しを避けるためにこれらの設定について説明します。

設定例:

{
    "SortConfs": [
        {
            "Name": "",
            "SortType": ""
        }
    ]
}

ブーストスコアソート (BoostScoreSort)

詳細ソートモデルが呼び出されると、各アイテムはスコアを受け取ります。ビジネス要件に基づいて、このスコアをブーストまたは降格して変更する必要がある場合があります。

ブーストまたは降格の操作は、2 つの部分で構成されます:

• 条件付きルールを設定します。カテゴリや性別などのアイテムまたはユーザーのプロパティを使用して、条件が満たされているかどうかを判断できます。

• ブーストまたは降格の式を設定します。現在、`score × 1.2` や `score × 0.5` など、スコアの式のみを設定できます。

設定例:

{
    "SortConfs": [
        {
            "Name": "BoostScoreSort",
            "SortType": "BoostScoreSort",
            "Debug": false,
            "BoostScoreConditions": [
                {
                    "Conditions": [
                        {
                            "Name": "sex",
                            "Domain": "item",
                            "Type": "string",
                            "Value": "gender",
                            "Operator": "equal"
                        }
                    ],
                    "Expression": "score * 2"
                }
            ]
        }
    ]
}

この設定では、`sex` フィーチャーが `male` のアイテムのスコアを 2 倍にします。

`FilterParamConfig` の設定は次のとおりです:

詳細については、「カウント調整フィルター (AdjustCountFilter)」をご参照ください。

重みによるスコアのブースト (BoostScoreByWeight)

アイテムのスコアをブーストまたは降格する場合、アイテムごとに異なる重みを持つことができます。重みはアイテムテーブルのフィールドであり、スコアの調整に使用されます。

スコアの数式: `weight × item.score`

設定例:

{
    "SortConfs": [
        {
            "Name": "BoostScoreByWeight",
            "SortType": "BoostScoreByWeight",
            "TimeInterval": 172800,
            "BoostScoreByWeightDao": {
                "AdapterType": "hologres",
                "HologresName": "pai_rec",
                "HologresTableName": "test",
                "ItemFieldName": "item_id",
                "WeightFieldName": "weight"
            }
        }
    ]
}

BoostScoreByWeightDao

アイテムランクスコア (ItemRankScore)

`ItemRankScore` は、スコアに基づいてアイテムを降順にソートします。この機能は DPI エンジンに組み込まれており、`SortNames` で直接使用できます。

多様性ルールソート (DiversityRuleSort)

レコメンデーション結果を出力する際には、ユーザーの興味だけでなく、アイテムの多様性も考慮します。これにより、異なるカテゴリやプロパティを持つアイテムをミックスして出力できます。

ルールは次のように設定できます:

レコメンデーションの多様性ルール

用語集:

1. 多様化ディメンション: 多様化に使用されるアイテムのプロパティ (カテゴリ、作成者、タグなど)。

2. 多様化ポリシー:

   • 最小間隔 k: 特定の多様化ディメンションのアイテムは、最大 k 回連続して出現できます。

   • 最大頻度 m: サイズ n のウィンドウ内で、同じ多様化ディメンションのアイテムは m 回を超えて出現できません。

多様化ロジック:

• 多様化ルールは、単一リクエストの結果にのみ適用されます。リクエスト間の多様性は考慮されません。

• 複数の多様化ディメンションを設定できます。

• 各多様化ディメンションに対して、それぞれ異なるパラメーター (k、m、n) を持つ複数の多様化ポリシーを設定できます。

設定例:

{
    "SortConfs": [
        {
            "Name": "DiversityRuleSort",
            "SortType": "DiversityRuleSort",
            "DiversitySize": 100,
            "DiversityRules": [
                {
                    "Dimensions": ["spfl"],
                    "WindowSize": 10,
                    "FrequencySize": 1
                }
            ],
            "ExcludeRecalls": [
                "ColdStartVideoVectorRecall",
                "LinUcbRecall_default2"
            ],
            "Conditions": [
                {
                    "Name": "spflPick",
                    "Domain": "user",
                    "Type": "string",
                    "Value": "",
                    "Operator": "equal"
                }
            ]
        }
    ]
}

このソートは `ExcludeRecalls` パラメーターと一緒に使用する必要があります。

DiversityRules

除外ルールと検索深度については、次の例を参照してください。

`tag=t1` の条件を満たすアイテムは、出力位置 1, 2, 3, 4 には表示されません。位置 1, 2, 3, 4 に表示されるアイテムは、多様化ルールに準拠する必要がありますが、`tag=t1` を持つことはできません。

{
    "Name": "DiversityRuleSort",
    "SortType": "DiversityRuleSort",
    "DiversityRules": [
        {
            "Dimensions": [
                "tag"
            ],
            "WindowSize": 5,
            "FrequencySize": 1
        }
    ],
    "ExclusionRules": [
        {
            "Positions": [
                1,2,3,4
            ],
            "Conditions": [
                {
                    "Name": "tag",
                    "Domain": "item",
                    "Type": "string",
                    "Value": "t1",
                    "Operator": "equal"
                }
            ]
        }
    ],
    "ExploreItemSize" : 200
}

多様性ルールを満たすアイテムを検索する場合、デフォルトではすべてのルールを満たすアイテムのみが出力されます。いずれかの多様性ルールが満たされない場合、システムはすべてのルールを満たすアイテムが見つかるまで次のアイテムを検索します。候補セット内にすべてのルールを満たすアイテムがない場合、最初に検索されたアイテムが出力対象として選択されます。

別のポリシーも利用できます。多様性ルールに重みを追加できます。候補セット内にすべてのルールを満たすアイテムがない場合、最も高い合計重みを持つルールを満たすアイテムが出力対象として選択されます。複数のアイテムが同じ最も高い合計重みを持つ場合、リスト内で最も早く出現するアイテムが選択されます。

重み付きの設定については、次の例を参照してください:

{
    "Name": "DiversityRuleSort",
    "SortType": "DiversityRuleSort",
    "DiversityRules": [
        {
            "Dimensions": [
                "tag"
            ],
            "WindowSize": 5,
            "FrequencySize": 1,
            "Weight": 1
        },
        {
            "Dimensions": [
                "category"
            ],
            "WindowSize": 3,
            "FrequencySize": 1,
             "Weight": 3
        }
    ],
    "ExclusionRules": [
        {
            "Positions": [
                1
            ],
            "Conditions": [
                {
                    "Name": "tag",
                    "Domain": "item",
                    "Type": "string",
                    "Value": "t1",
                    "Operator": "equal"
                }
            ]
        }
    ]
}

DPPSort

詳細については、「推薦多様性を向上させるための行列式点過程に基づくアルゴリズムの直感的理解」をご参照ください。

前提条件: DPP アルゴリズムを使用するには、アイテムの埋め込みベクターが必要です。これらのベクターはアイテムのコンテンツを表す必要があります。埋め込みの類似性は、行動などの他のレベルではなく、アイテムのコンテンツレベルでの類似性を表す必要があります。例:

• 推奨: アイテムの画像埋め込み、テキスト記述の埋め込み、またはカテゴリやプロパティなどの静的なアイテムコンテンツの組み合わせから生成された埋め込み。

• 非推奨: ユーザーの行動データに基づくモデルからトレーニングされた埋め込み。

本質的に、多様化したいディメンションは埋め込みに反映されている必要があります。たとえば、レコメンデーションリストに商品価格ディメンションの多様性を持たせたい場合、埋め込みベクターを取得するためにモデルをトレーニングする際に価格フィーチャーを含める必要があります。そうしないと、期待する効果は得られません。

設定例:

{
    "SortConfs": [
        {
            "Name": "DPPSort",
            "SortType": "DPPSort",
            "DPPConf": {
                "Name": "DPPSort",
                "DaoConf": {
                    "AdapterType": "hologres",
                    "HologresName": "geeko_rec"
                },
                "TableName": "item_embedding_metric_learning",
                "TableSuffixParam": "embedding_date",
                "TablePKey": "product_id",
                "EmbeddingColumn": "embedding",
                "Alpha": 4.5,
                "NormalizeEmb": "false",
                "WindowSize": 10
            }
        }
    ]
}

DPPConf

SSDSort

詳細については、「推薦結果の多様性を向上させる: MMR/DPP/SSD の原理分析」をご参照ください。

前提条件: SSD アルゴリズムを使用するには、アイテムの埋め込みベクターが必要です。これらのベクターはアイテムのコンテンツを表す必要があります。埋め込みの類似性は、行動などの他のレベルではなく、アイテムのコンテンツレベルでの類似性を表す必要があります。例:

推奨: アイテムの画像埋め込み、テキスト記述の埋め込み、またはカテゴリやプロパティなどの静的なアイテムコンテンツの組み合わせから生成された埋め込み。

非推奨: ユーザーの行動データに基づくモデルからトレーニングされた埋め込み。

本質的に、多様化したいディメンションは埋め込みに反映されている必要があります。たとえば、レコメンデーションリストに商品価格ディメンションの多様性を持たせたい場合、埋め込みベクターを取得するためにモデルをトレーニングする際に価格フィーチャーを含める必要があります。そうしないと、期待する効果は得られません。

設定例:

{
    "SortConfs": [
        {
            "Name": "SSDSort",
            "SortType": "SSDSort",
            "SSDConf": {
                "Name": "SSDSort",
                "DaoConf": {
                    "AdapterType": "hologres",
                    "HologresName": "geeko_rec"
                },
                "TableName": "item_embedding_metric_learning",
                "TablePKey": "item_id",
                "EmbeddingColumn": "embedding",
                "Gamma": 0.25,
                "UseSSDStar": true,
                "NormalizeEmb": "false",
                "MinScorePercent": 0.1,
                "CandidateCount": 200,
                "WindowSize": 5
            }
        }
    ]
}

SSDConf

マルチチャネルリコールソート (MultiRecallMixSort)

通常、多くのリコールチャネルがあります。ビジネス要件によっては、リコールタイプに基づいて出力をミックスする必要があります。例:

• コールドスタートリコールには露出量の要件があります。

• 特定のリコールチャネルには位置の要件があります。

これには、複数のミキシングルールが含まれる場合もあります。

設定は次のとおりです:

{
    "SortConfs": [
        {
            "Name": "MixSort",
            "SortType": "MultiRecallMixSort",
            "RemainItem": false,
            "MixSortRules": [
                {
                    "MixStrategy": "random_position",
                    "NumberRate": 0.1,
                    "RecallNames": [
                        "OTSGlobalHot"
                    ]
                },
                {
                    "MixStrategy": "fix_position",
                    "Positions": [1,3,5],
                    "RecallNames": [
                        "RecallName1"
                    ]
                }
            ]
        }
    ]
}

リコール名を使用してアイテムをマッチングおよびフィルタリングするだけでなく、条件付きフィルタリングを使用して露出するアイテムを選択することもできます。

{
    "SortConfs": [
        {
            "Name": "MixSortByItemFeature",
            "SortType": "MultiRecallMixSort",
            "RemainItem": false,
            "MixSortRules": [
                {
                    "MixStrategy": "random_position",
                    "NumberRate": 0.1,
                    "Conditions": [
                        {
                            "Name": "gender",
                            "Domain": "item",
                            "Type": "string",
                            "Value": "man",
                            "Operator": "equal"
                        }
                    ]
                }
            ]
        }
    ]
}

使用方法

ソート設定はリコール設定に似ています。設定後、さまざまなシナリオで使用するために `SortNames` パラメーターを提供します。`SortNames` は `Map[string]object` 構造で、キーはシナリオであり、各シナリオは一連のソートポリシーに対応します。

{
    "SortNames": {
        "${scene_name}": [
            "ItemRankScore"
        ]
    }
}

• `${scene_name}` はシナリオ名です。複数のシナリオで同じ設定を使用したい場合は、`default` を使用できます。

• `ItemRankScore`: このパラメーターは、`SortConfs` で定義されたソートのカスタム名です。