Bridging the Semantic-Collaborative Gap: An Asymmetric Graph Architecture for Cold-Start Item Recommendation

Resumen Técnico: Cerrando la brecha semántico-colaborativa mediante una arquitectura de grafo asimétrica

Formulación del Problema
El artículo aborda el desafío del arranque en frío (cold-start) en sistemas de recomendación de flujo continuo (streaming) a gran escala, específicamente dentro del entorno de producción de Tubi. El problema central es que los modelos de filtrado colaborativo (CF) dependen de las interacciones observadas entre usuarios y artículos para aprender representaciones, lo que deja a los contenidos recién añadidos (nodos con cero aristas) y a los dispositivos recién activados sin embeddings significativos. Los modelos basados en grafos estándar fallan aquí porque no pueden propagar señales a nodos que carecen de historial de interacción.

Los autores enmarcan esto como un probleente de completitud de grafos inductivos en un grafo bipartito temporal de dispositivos ($D$) y contenido ($C$). El sistema enfrenta estrictas restricciones de servicio:

1. El nuevo contenido debe recibir un embedding independiente inmediatamente después de su ingesta, sin esperar al historial de interacción.
2. Los embeddings deben ser aptos para la recuperación de vecinos más cercanos aproximados (ANN).
3. La solución no puede depender de la puntuación de similitud por pares ni de la construcción de subgrafos para artículos en frío, ya que estos requieren aristas observadas.

El objetivo es aprender un mapeo basado en características que alinee la semántica intrínseca del contenido con la estructura colaborativa del espacio de embeddings, cerrando efectivamente la "brecha semántico-colaborativa".

Metodología: Arquitectura Shallow-RHS
Los autores proponen Shallow-RHS, una arquitectura de dos torres asimétrica diseñada para la predicción de enlaces temporales. La arquitectura impone una asimetría estricta para garantizar la generalización a artículos en arranque en frío:

• Lado Izquierdo (LHS) - Torre de Dispositivos: Esta torre codifica el dispositivo consultante utilizando una combinación de características intrínsecas del dispositivo (por ejemplo, tipo de dispositivo, país, demografía) y paso de mensajes temporalmente válidos sobre el contexto de visualización histórico del dispositivo ($N_{<t}(d)$). Agrega información de los nodos de contenido vecinos para capturar señales colaborativas de alto orden.
• Lado Derecho (RHS) - Torre de Contenido: Esta torre es intencionalmente superficial (shallow) respecto al grafo. Codifica el contenido objetivo utilizando únicamente características intrínsecas (metadatos, taxonomía, embeddings semánticos derivados de LLM de guiones/sinopsis). Crucialmente, excluye:
  • Embeddings basados en ID.
  • Subgrafos del lado del contenido.
  • Agregación de vecinos.
  • Cualquier representación derivada de la interacción.

Esta restricción obliga al codificador de contenido ($f_{\theta_c}$) a aprender una función que mapea las características intrínsecas directamente en un espacio de embeddings consciente de la estructura colaborativa (CF-aware). Debido a que la función depende únicamente de las características, es aplicable tanto a contenido "tibio" (warm content, con historial) como a contenido "frío" (cold content, con cero historial).

Completitud de Grafo Implícita mediante Vecinos Sustitutos
Tras el entrenamiento, el sistema realiza un procedimiento de completitud de grafo implícita para el contenido en frío:

1. El codificador de contenido aprendido genera embeddings para los nuevos títulos en frío.
2. Se construye un índice de vecinos más cercanos aproximados (ANN) sobre los embeddings del contenido "tibio".
3. Para cada título frío, el sistema recupera los "$M$" "vecinos sustitutos tibios" (warm surrogate neighbors) basados en la similitud de coseno en el espacio aprendido.
4. Estos sustitutos actan como proxies de comportamiento, permitiendo que los títulos fríos sean promovidos junto con los títulos tibios sin modificar el grafo de interacción observado.

Extensión de Arranque en Frío para Dispositivos
El mismo principio de completitud de representación se aplica a los nuevos dispositivos. Dado que los nuevos dispositivos carecen de historial de visualización, el sistema agrupa los dispositivos tibios en cohortes demográficas. Para un nuevo dispositivo, el sistema infiere su asignación de cohorte a partir de características demográficas y asigna el promedio del embedding de la cohorte como la representación inicial del dispositivo. Esto permite la recuperación inmediata contra el índice de contenido consciente de la estructura colaborativa.

Contribuciones Clave

1. Formulación de Completitud de Grafo Inductiva: El artículo redefine la recomendación en arranque en frío como el aprendizaje de una función de embedding basada en características para nodos con cero aristas, en lugar de depender de la estructura del grafo observado.
2. Arquitectura Shallow-RHS: Un modelo de predicción de enlaces asimétrico donde la torre de contenido está desacoplada del grafo de interacción, asegurando que el codificador generalice a nuevos artículos.
3. Completitud de Grafo Implícita: Un procedimiento de tiempo de recuperación que conecta el contenido frío con sus vecinos sustitutos tibios, operativizando vecindades faltantes sin crear aristas sintéticas.
4. Arranque en Frío de Dispositivos mediante Priores: Extensión del principio de completitud de representación a los dispositivos utilizando priors de cohortes demográficas.
5. Validación en Producción: Experimentos en línea a gran escala que demuestran la eficacia del enfoque en un entorno de streaming real.

Resultados Experimentales
Los autores realizaron una serie de pruebas A/B progresivas en el sistema de producción de Tubi, midiendo el Tiempo Total de Visualización (TVT) y métricas específicas de arranque en frío:

• Fase 1 (Reemplazo de Semántico-a-CF): Reemplazar una línea base puramente semántica con Shallow-RHS produjo un incremento del +0.10% en el TVT global y un aumento del 13% en la velocidad de promoción de títulos fríos.
• Fase 2 (Metadatos y Calibración): Enriquecer la cobertura de características (género, presupuesto, señales de popularidad) y calibrar la lógica de promoción resultó en un incremento del +0.16% en el TVT.
• Fase 3 (Completitud de Características): Reducir aún más los valores faltantes en atributos clave condujo a la mayor ganancia, un incremento del +0.42% en el TVT global, resaltando la importancia de la calidad de las características para la generalización de cero aristas.
• Fase 4 (Completitud de Sustitutos): Añadir descriptores de audiencia objetivo y utilizar embeddings de LLM como respaldo para títulos de larga cola (long-tail) proporcionó un incremento adicional del +0.17%.
• Arranque en Frío de Dispositivos: La estrategia de recuperación por cohortes de dispositivos mejoró los días de visualización calificados en un +0.29%, el TVT diario en un +0.39% y la conversión en la página de inicio en un +0.43%.

El análisis de la distribución de similitud confirmó que Shallow-RHS desplaza las similitudes de los artículos en arranque en frío de un régimen de baja similitud (típico de CF puro) o un régimen neutral (semántico puro) hacia una distribución sesgada a la derecha con mayor similitud, indicando una alineación exitosa con el comportamiento colaborativo.

Significancia
El artículo sostiene que la recomendación en arranque en frío puede tratarse eficazmente como una tarea de completitud de grafo implícita. Al aprender una función de embedding semántico consciente de CF a partir de interacciones tibias, el sistema puede generar inmediatamente representaciones válidas para nuevos contenidos y dispositivos. La significancia reside en el marco práctico proporcionado para reconstruir las representaciones de grafos faltantes utilizando priors de información lateral, permitiendo la recuperación inmediata y de alta calidad para entidades en arranque en frío en un sistema de escala de producción sin esperar a que se acumulen los datos de interacción.