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

Résumé Technique : Combler le fossé sémantique-collaboratif via une architecture de graphe asymétrique

Formulation du Problème
Le papier traite du défi du démarrage à froid (cold-start) dans les systèmes de recommandation de streaming à grande échelle, plus précisément au sein de l'environnement de production de Tubi. Le problème central est que les modèles de filtrage collaboratif (CF) reposent sur des interactions utilisateur-contenu observées pour apprendre des représentations, laissant les nouveaux contenus ajoutés (nœuds à zéro arête) et les nouveaux appareils activés sans plongements (embeddings) significatifs. Les modèles de graphes standards échouent ici car ils ne peuvent pas propager de signaux vers des nœuds dépourvus d'historique d'interaction.

Les auteurs formulent cela comme un problème inductif de complétion de graphe sur un graphe biparti temporel composé de dispositifs ($D$) et de contenus ($C$). Le système fait face à des contraintes de service strictes :

1. Le nouveau contenu doit recevoir un plongement autonome immédiatement lors de son ingestion, sans attendre l'historique d'interaction.
2. Les plongements doivent être adaptés à la recherche par plus proche voisin approximatif (ANN).
3. La solution ne peut pas reposer sur le calcul de scores de similitude par paire ou sur la construction de sous-graphes pour les articles froids, car cela nécessite des arêtes observées.

L'objectif est d'apprendre une application de caractéristiques qui aligne la sémantique intrinsèque du contenu avec la structure collaborative de l'espace de plongement, comblant ainsi efficacement le « fossé sémantique-collaboratif ».

Méthodologie : Architecture Shallow-RHS
Les auteurs proposent Shallow-RHS, une architecture à deux tours asymétrique conçue pour la prédiction de liens temporels. L'architecture impose une asymétrie stricte pour garantir la généralisation aux articles en démarrage à froid :

• Côté Gauche (LHS) - Tour du Dispositif : Cette tour encode le dispositif requérant une combinaison de caractéristiques intrinsèques du dispositif (ex: type d'appareil, pays, démographie) et d'un passage de messages temporellement valide sur le contexte de visionnage historique du dispositif ($N_{<t}(d)$). Elle agrège les informations des nœuds de contenu voisins pour capturer des signaux collaboratifs d'ordre supérieur.
• Côté Droit (RHS) - Tour du Contenu : Cette tour est intentionnellement superficielle (shallow) concernant le graphe. Elle encode le contenu cible en utilisant uniquement des caractéristiques intrinsèques (métadonnées, taxonomie, plongements sémantiques dérivés de LLM à partir de scripts/synopses). Crucialement, elle exclut :
  • Les plongements basés sur l'ID.
  • Les sous-graphes côté contenu.
  • L'agrégation de voisins.
  • Toute représentation dérivée des interactions.

Cette contrainte force l'encodeur de contenu ($f_{\theta_c}$) à apprendre une fonction qui projette directement les caractatives intrinsèques dans un espace de plongement conscient du filtrage collaboratif (CF-aware). Comme la fonction dépend uniquement des caractéristiques, elle est applicable tant aux contenus « chauds » (avec historique) qu'aux contenus « froids » (zéro historique).

Complétion de Graphe Implicite via des Voisins de Substitution
Après l'entraînement, le système effectue une procédure de complétion de graphe implicite pour le contenu froid :

1. L'encodeur de contenu appris génère des plongements pour les nouveaux titres froids injectés.
2. Un index de plus proche voisin approximatif est construit sur les plongements du contenu « chaud ».
3. Pour chaque titre froid, le système récupère les $M$ « voisins de substitution chauds » basés sur la similitude cosinus dans l'espace appris.
4. Ces substituts agissent comme des proxys comportementaux, permettant aux titres froids d'être promus aux côtés des titres chauds sans modifier le graphe d'interaction observé.

Extension au Démarrage à Froid des Dispositifs
Le même principe de complétion de représentation est appliqué aux nouveaux dispositifs. Puisque les nouveaux dispositifs manquent d'historique de visionnage, le système regroupe les dispositifs chauds en cohortes démographiques. Pour un nouveau dispositif, le système infère son affectation de cohorte à partir de caractéristiques démographiques et assigne l'embedding moyen de la cohorte comme représentation initiale du dispositif. Cela permet une récupération immédiate contre l'index de contenu conscient du CF.

Contributions Clés

1. Formulation de Complétion de Graphe Inductive : Le papier reformule le démarrage à froid de la recommandation comme l'apprentissage d'une fonction de plongement de caractéristiques pour les nœuds à zéro arête, plutôt que de dépendre de la structure du graphe observée.
2. Architecture Shallow-RHS : Un modèle de prédiction de liens asymétrique où la tour de contenu est déconnectée du graphe d'interaction, garantissant que l'encodeur se généralise aux nouveaux articles.
3. Complétion de Graphe Implicite : Une procédure de récupération au moment de la recherche qui connecte le contenu froid à des voisins de substitution chauds, opérationnalisant les voisinages manquants sans arêtes synthétiques.
4. Démarrage à Froid des Dispositifs via des Priors : Extension du principe de complétion de représentation aux dispositifs en utilisant des priors de cohortes démographiques.
5. Validation en Production : Expérimentations en ligne à grande échelle démontrant l'efficacité de l'approche dans un environnement de streaming réel.

Résultats Expérimentaux
Les auteurs ont mené une série de tests A/B progressifs en ligne au sein du système de production de Tubi, mesurant le Temps de Visionnage Total (TVT) et des métriques spécifiques au démarrage à froid :

• Phase 1 (Remplacement du Sémantique-vers-CF) : Le remplacement d'une ligne de base purement sémantique par Shallow-RHS a produit un gain de +0,10 % du TVT global et une augmentation de 13 % de la vitesse de promotion des titres froids.
• Phase 2 (Métadonnées et Calibration) : L'enrichissement de la couverture des caractéristiques (genre, budget, signaux de popularité) et la calibration de la logique de promotion ont entraîné un gain de +0,16 % du TVT.
• Phase 3 (Complétion de Caractéristiques) : La réduction supplémentaire des valeurs manquantes dans les attributs clés a mené au gain le plus élevé, un gain de +0,42 % du TVT global, soulignant l'importance de la qualité des caractéristiques pour la généralisation à zéro arête.
• Phase 4 (Complétion de Substituts) : L'ajout de descripteurs d'audience cible et l'utilisation d'embeddings LLM comme solution de repli pour les titres de longue traîne ont fourni un gain supplémentaire de +0,17 %.
• Démarrage à Froid des Dispositifs : La stratégie de récupération par cohorte a amélioré les jours de visionnage qualifiés de +0,29 %, le TVT quotidien de +0,39 % et la conversion sur la page d'accueil de +0,43 %.

L'analyse de la distribution de similitude a confirmé que Shallow-RHS déplace les similitudes des articles en démarrage à froid d'un régime de faible similitude (typique du CF pur) ou d'un régime neutre (sémantique pur) vers une distribution asymétrique à droite, de plus haute similitude, indiquant un alignement réussi avec le comportement collaboratif.

Signification
Le papier soutient que le démarrage à froid de la recommandation peut être traité efficacement comme une tâche de complétion de graphe implicite. En apprenant une fonction de plongement sémantique consciente du CF à partir d'interactions chaudes, le système peut immédiatement générer des représentations valides pour les nouveaux contenus et dispositifs. La signification réside dans le cadre pratique fourni pour reconstruire les représentations de graphes manquantes en utilisant des priors d'informations secondaires, permettant une récupération immédiate et de haute qualité pour les entités en démarrage à froid dans un système à l'échelle de la production sans attendre l'accumulation de données d'interaction.