GRU4Rec

2015年にHidasi et al.が発表したモデルで、ディープラーニングベース推薦の扉を開いた論文だ。

Item2Vecが系列の順序を無視したのに対し、GRU4Recは順序が核心だ。「A → B → C → ?」で次のアイテムを当てるのが目標。

なぜGRUか

RNNは系列データの基本だが、vanilla RNNは長い系列で勾配消失が発生する。GRUはLSTMよりパラメータが少なく似た性能を出すため、数百万セッションを処理する推薦システムに適していた。

限界

セッション内の情報のみ使用する。ログインしていないユーザーが新セッションを開始すると、以前のセッション履歴を活用できない。またTransformerの登場で、順序モデリング自体で押され始めた。