DisenReason: Behavior Disentanglement and Latent Reasoning for Shared-Account Sequential Recommendation

Il paper presenta DisenReason, un metodo innovativo per la raccomandazione sequenziale in account condivisi che supera i limiti dei modelli esistenti disentanglando i comportamenti degli utenti nel dominio della frequenza per generare una rappresentazione collettiva dell'account, la quale funge da base per un ragionamento latente che inferisce dinamicamente il numero di utenti reali, ottenendo così prestazioni superiori rispetto agli stati dell'arte.

L'essenziale

Immagina di avere un account Netflix o Amazon Prime che condivide tutta la famiglia: tu, il tuo partner, i tuoi figli e forse anche il tuo cane (se avesse un profilo!). Quando guardi una serie, il sistema non sa chi è stato: hai guardato tu un documentario sul mare, tuo figlio un cartone animato e tua moglie un film d'azione. Per il computer, è tutto un unico "flusso" confuso di azioni.

Il problema è che i vecchi sistemi di raccomandazione pensavano che dietro ogni account ci fosse una sola persona. Se provavi a dire "Mi piace il cinema", il sistema ti suggeriva film per tutti, ignorando che in realtà ci sono gusti diversi mescolati insieme.

Gli autori di questo paper, DisenReason, hanno creato una soluzione intelligente per risolvere questo caos. Ecco come funziona, spiegato con una metafora semplice:

1. Il Problema: La Zuppa di Gusti

Immagina che l'attività di un account condiviso sia come una zuppa di verdure dove sono stati buttati dentro pomodori, carote, patate e spinaci.

• I vecchi sistemi provavano a indovinare chi aveva messo cosa, ma assumevano che ci fosse sempre lo stesso numero di persone (es. "Scommetto che ci sono 3 persone"). Se in realtà ce ne erano 2 o 5, sbagliavano tutto.
• Inoltre, guardavano solo l'ultimo cucchiaio di zuppa mangiato (l'ultimo film visto) per capire cosa dire alla famiglia. Ma se l'ultimo film era un cartone animato, il sistema pensava che tutta la famiglia volesse vedere cartoni, ignorando che il papà voleva un film d'azione.

2. La Soluzione: Il "Separatore di Frequenze" (Fase 1)

Gli autori hanno un'idea geniale: invece di guardare la zuppa con gli occhi, la ascoltano come se fosse un suono.

• L'Analogia Musicale: Immagina che le azioni della famiglia siano una canzone. Le abitudini stabili (come guardare sempre la TV alle 20:00) sono come i bassi profondi (frequenze basse). Le azioni improvvisate e veloci (come cliccare su un video breve mentre si è in giro) sono come i suoni acuti (frequenze alte).
• Usando una tecnica matematica chiamata Trasformata di Fourier (che usano gli ingegneri del suono), il sistema "scompone" la zuppa. Separa i bassi dai suoni acuti.
• In questo modo, riesce a isolare i diversi "ritmi" di comportamento. Non dice più "c'è una persona", ma dice: "Qui c'è un ritmo lento e stabile (forse il papà), qui c'è un ritmo veloce e saltellante (forse il figlio)".
• Poi, unisce queste parti separate in un unico "punto di riferimento" (chiamato pivot) che rappresenta l'account nella sua interezza, non solo l'ultimo clic.

3. Il "Detective" che Indaga (Fase 2)

Ora che il sistema ha un'immagine chiara dell'account, inizia la seconda fase: l'indagine progressiva.

• Immagina un detective che entra in una stanza piena di persone (l'account) e deve capire chi c'è.
• Il detective guarda il "punto di riferimento" e dice: "Ok, vedo un profilo che corrisponde a un appassionato di sport. Lo registro".
• Poi, fa una cosa intelligente: toglie quel profilo dalla stanza mentale. Ora guarda cosa è rimasto.
• Dice: "Ah, ora vedo che c'è qualcuno che ama i cartoni animati. Lo registro".
• Ripete il processo: toglie i cartoni, guarda cosa resta. Trova un appassionato di cucina. Lo registra.
• Quando si ferma? Quando il detective guarda il resto e dice: "Non vedo più nessuno di nuovo, quello che resta è solo rumore o ripetizione". A quel punto smette.

Perché è importante?

• Nessun numero fisso: Non deve indovinare a priori se ci sono 2 o 5 persone. Il sistema scopre da solo il numero esatto di utenti nascosti dietro l'account.
• Raccomandazioni migliori: Se il papà guarda un film d'azione, il sistema sa che è lui e non suggerirà cartoni alla sorellina, e viceversa.
• Risultati: Hanno provato questo metodo su quattro diversi "mondi" (film, libri, TV educativa) e ha funzionato molto meglio di tutti i sistemi precedenti, migliorando le raccomandazioni fino al 12% in più.

In sintesi

DisenReason è come un mago che prende un account familiare confuso, usa la "musica" dei dati per separare i diversi gusti, e poi usa un detective intelligente per contare e identificare chi c'è davvero dietro lo schermo, senza bisogno che qualcuno glielo dica. Il risultato? Consigli perfetti per ogni membro della famiglia, anche se condividono tutti lo stesso account.

Sommario tecnico

Titolo: DisenReason: Scomposizione del Comportamento e Ragionamento Latente per la Raccomandazione Sequenziale in Account Condivisi

1. Il Problema: Raccomandazione Sequenziale in Account Condivisi (SSR)

Nelle piattaforme di streaming, e-commerce e domotica, è comune che più utenti reali condividano un singolo account (es. un account Netflix familiare). La Raccomandazione Sequenziale Condivisa (SSR) mira a prevedere la prossima interazione di un account, tenendo conto che i dati storici sono un misto di comportamenti di diversi utenti.

Limitazioni degli approcci esistenti:

• Ipotesi rigida: La maggior parte dei metodi SSR attuali assume un numero fisso e predefinito di utenti latenti per ogni account. Nella realtà, il numero di utenti varia dinamicamente (da 2 a 5 o più membri della famiglia).
• Pivot di ragionamento inadeguato: Le tecniche di "ragionamento latente" (che generano embedding intermedi per scoprire interessi) utilizzano solitamente l'ultimo elemento interagito come punto di partenza. In un account condiviso, l'ultimo elemento rappresenta solo l'ultimo utente attivo, non il comportamento collettivo dell'account, rendendo difficile inferire gli altri utenti nascosti.

2. Metodologia: Il Framework DisenReason

Gli autori propongono DisenReason, un framework a due stadi che combina la scomposizione del comportamento (disentanglement) con un ragionamento residuo progressivo. L'obiettivo è inferire adattivamente il numero di utenti reali dietro un account senza predefinizioni.

Fase 1: Scomposizione del Comportamento per il "Pivot" (Punto di Appoggio)
L'obiettivo è creare una rappresentazione unificata dell'account che catturi il comportamento collettivo, servendo come base per il ragionamento.

• Prospettiva in Frequenza: Il modello tratta la sequenza di interazioni mista come un segnale temporale entangled. Utilizzando la Trasformata di Fourier Veloce (FFT), la sequenza viene convertita nel dominio della frequenza.
• Disentanglement: Secondo la teoria dei segnali, le componenti a bassa frequenza rappresentano preferenze stabili a lungo termine, mentre quelle ad alta frequenza rappresentano interazioni brevi e instabili. La FFT scompone la sequenza in diverse bande di frequenza (sub-bande).
• Fusione Adattiva: Vengono estratte diverse rappresentazioni temporali (tramite IFFT) per ciascuna banda di frequenza. Un meccanismo Mixture-of-Experts (MoE) apprende pesi adattivi per fondere queste componenti, creando una rappresentazione robusta e unificata dell'account.
• Output: L'ultimo stato nascosto di questa sequenza fusa diventa il "Pivot" (punto di partenza) per la fase di ragionamento.

Fase 2: Ragionamento Residuo Progressivo per Utenti Latenti
Questa fase utilizza il "Pivot" per inferire iterativamente gli utenti nascosti.

• Inizializzazione: Lo stato di ragionamento iniziale è il Pivot più un embedding posizionale specifico per il ragionamento.
• Estrazione Iterativa: Una funzione di ragionamento (che riutilizza il modulo di disentanglement) estrae la rappresentazione dell'utente latente più dominante dallo stato corrente.
• Aggiornamento Residuo: Una volta identificato un utente, la sua rappresentazione viene sottratta dallo stato corrente (tecnica residua). Questo rimuove il segnale già spiegato, permettendo ai passaggi successivi di focalizzarsi sugli utenti rimanenti.
• Criterio di Terminazione: Il ciclo di ragionamento continua finché la similarità semantica tra l'utente appena inferito e quello precedente non supera una soglia ($\alpha$). Questo segnala che tutti gli utenti unici sono stati scoperti e ulteriori iterazioni genererebbero solo ridondanza.
• Output Finale: Le rappresentazioni di tutti gli utenti inferiti vengono aggregate per prevedere il prossimo elemento.

3. Contributi Chiave

1. Prima applicazione del ragionamento latente all'SSR: Introduce un paradigma di "ragionamento" per scoprire il numero di utenti in un account condiviso, spostando il focus dall'inferire le preferenze dietro un utente all'inferire gli utenti dietro un account.
2. Framework a due stadi innovativo: Combina la decomposizione in frequenza (FFT) per creare un pivot collettivo con un meccanismo di ragionamento residuo progressivo per isolare gli utenti individuali.
3. Adattabilità dinamica: Il modello non richiede un numero fisso di utenti come input; determina autonomamente il numero di utenti latenti per ogni account in base ai dati.
4. Prestazioni superiori: Dimostrato su quattro dataset benchmark, superando gli stati dell'arte (SOTA) sia nei modelli di raccomandazione sequenziale tradizionali che in quelli specifici per account condivisi.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti su quattro dataset (Hvideo-E, Hvideo-V, Hamazon-M, Hamazon-B), includendo sia dati reali che sintetici.

• Prestazioni Generali: DisenReason ha superato tutti i baselines (inclusi SASRec, LightGC2N, DA-GCN) su tutti i dataset.
  • Miglioramenti relativi fino al 12.56% in MRR@5 e 6.06% in Recall@20 rispetto ai migliori metodi esistenti.
• Analisi di Ablazione:
  • La rimozione della scomposizione comportamentale (uso diretto dell'ultimo item come pivot) ha causato il calo più drastico delle prestazioni, confermando la necessità di un pivot collettivo.
  • La rimozione dell'LightGCN (per l'arricchimento delle embedding) e dell'operazione residua ha portato a diminuzioni significative, validando l'importanza di ciascun componente.
• Robustezza: Il modello mantiene prestazioni stabili al variare della lunghezza della sequenza e della quantità di dati di addestramento, dimostrando una maggiore resilienza rispetto ai baselines.
• Inferenza del Numero di Utenti: L'analisi qualitativa mostra che il modello riesce a inferire dinamicamente numeri diversi di utenti per account diversi (es. 2 vs 4 utenti), adattandosi alla complessità reale dello scenario.

5. Significato e Implicazioni

• Teorico: DisenReason supera l'assunzione irrealistica di un numero fisso di utenti, introducendo un approccio basato sul ragionamento che tratta l'account come un segnale misto da decomporre. L'uso della FFT per la separazione dei pattern comportamentali è una novità nel campo delle raccomandazioni.
• Pratico: Offre una soluzione scalabile per piattaforme di streaming e e-commerce dove gli account sono condivisi. Permette raccomandazioni più personalizzate e contestuali senza richiedere una identificazione esplicita dell'utente o configurazioni manuali del numero di membri della famiglia, migliorando l'esperienza utente e l'engagement.

In sintesi, DisenReason rappresenta un avanzamento significativo nella gestione della complessità degli account condivisi, trasformando il problema della separazione degli utenti in un processo di ragionamento strutturato e adattivo.