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

O artigo apresenta o DisenReason, um método de recomendação sequencial para contas compartilhadas que supera as limitações das abordagens existentes ao utilizar a desentrelaçamento de comportamentos no domínio da frequência para criar uma representação unificada da conta, servindo como base para um raciocínio latente que infere dinamicamente o número de usuários por trás da conta, resultando em ganhos significativos de precisão em quatro conjuntos de dados de referência.

O essencial

Imagine que você tem uma conta de streaming de vídeo (como Netflix ou Spotify) que é usada pela sua família inteira: você, seu irmão, sua mãe e seu pai. Todos usam o mesmo login e senha.

O problema para as máquinas de recomendação é o seguinte: quando a máquina vê que alguém assistiu a um filme de ação, ela assume que você gosta de ação. Mas e se foi o seu pai quem assistiu? E se, na sequência, sua mãe quiser ver um documentário sobre culinária? A máquina fica confusa porque ela não sabe quantas pessoas estão por trás daquela conta nem quem está usando o controle remoto naquele momento.

A maioria dos sistemas atuais tenta adivinhar quantas pessoas usam a conta, mas eles geralmente adivinharam um número fixo (por exemplo, "sempre são 2 pessoas"). Isso não funciona bem na vida real, onde algumas contas têm 2 pessoas e outras têm 5.

É aqui que entra o DisenReason, o modelo apresentado neste artigo. Vamos explicar como ele funciona usando uma analogia simples: o "Detetive de Frequência".

1. O Problema: O Sinal Misturado

Pense na história de cliques da conta como uma canção de rádio.

• Se apenas uma pessoa usasse a conta, seria uma melodia clara e simples.
• Como várias pessoas usam, é como se várias pessoas estivessem cantando ao mesmo tempo, criando um ruído confuso. O sistema tradicional olha apenas para a última nota cantada (o último item clicado) e tenta adivinhar quem é o cantor. Mas isso é errado, pois a última nota pode ser do filho, enquanto a melodia geral da conta é uma mistura de todos.

2. A Solução: O DisenReason (Desembaralhando e Raciocinando)

O DisenReason funciona em duas etapas, como um detetive inteligente:

Etapa 1: O "Equalizador de Frequência" (Desembaralhamento)

Em vez de tentar adivinhar quem é quem olhando apenas para o final da lista, o modelo usa uma ferramenta matemática chamada Transformada de Fourier (pense nela como um equalizador de música muito avançado).

• A Analogia: Imagine que cada pessoa na família tem uma "frequência" diferente de comportamento.
  • A mãe tem um ritmo lento e constante (baixa frequência): ela sempre assiste novelas no mesmo horário.
  • O filho tem um ritmo rápido e explosivo (alta frequência): ele pula de um jogo de vídeo para um desenho animado em segundos.
• O modelo pega a "canção misturada" (a lista de cliques) e passa pelo equalizador. Ele separa as frequências baixas das altas. Assim, ele consegue ver: "Ah, aqui temos o ritmo da mãe, e ali temos o ritmo do filho".
• Depois, ele mistura tudo de volta de forma inteligente para criar um perfil unificado da conta (o "Pivô"). Agora, em vez de olhar para o último clique, o modelo olha para a "alma" completa da conta.

Etapa 2: O "Detetive Progressivo" (Raciocínio Latente)

Agora que o modelo tem o perfil unificado, ele começa a "pensar" para descobrir quem está escondido lá dentro.

• A Analogia: Imagine que o perfil unificado é uma sopa densa cheia de ingredientes misturados. O modelo é um chef que quer identificar cada ingrediente.
• Ele pega uma colher (o "pivô") e tira um ingrediente (um usuário). Ele diz: "Isso aqui parece o gosto do pai".
• O Truque do Resíduo: Depois de identificar o pai, ele remove o gosto do pai da sopa. Agora, a sopa está mais leve. Ele olha de novo e diz: "Agora o que sobra parece a mãe".
• Ele continua tirando ingredientes e removendo-os da sopa até que a sopa fique tão sem gosto que não haja mais ninguém para identificar.
• O Fim Inteligente: O modelo para sozinho quando percebe que os ingredientes que ele está tirando agora são iguais aos que ele já tirou antes (como se estivesse tentando tirar "ar" da sopa). Isso significa que ele já encontrou todos os usuários reais.

Por que isso é incrível?

1. Não precisa de chutes: Diferente dos outros sistemas que dizem "acho que são 2 pessoas", o DisenReason descobre sozinho: "Nesta conta são 3 pessoas, naquela são 5".
2. Funciona na vida real: Ele entende que a conta é um grupo, não uma única pessoa.
3. Resultados: Nos testes, esse "detetive" foi muito melhor do que os sistemas atuais, acertando muito mais o que a família quer assistir ou comprar, mesmo sem saber quem é quem.

Resumo em uma frase

O DisenReason é como um detetive que usa um equalizador mágico para separar as vozes de uma multidão em uma sala barulhenta e, em seguida, remove uma voz de cada vez até descobrir exatamente quantas pessoas estão na sala, permitindo que a recomendação seja perfeita para cada um, sem precisar que ninguém se identifique.

Resumo técnico

1. Problema Investigado

O artigo aborda o desafio da Recomendação Sequencial de Contas Compartilhadas (SSR - Shared-Account Sequential Recommendation). Em plataformas de streaming, e-commerce e smart home, é comum que múltiplos usuários reais compartilhem uma única conta.

• Limitação dos Métodos Atuais: A maioria das abordagens existentes de SSR assume um número fixo e pré-determinado de usuários latentes por conta (ex: sempre 2 ou 3 usuários). Isso é irrealista, pois o número de usuários varia dinamicamente (de irmãos a membros de uma família inteira).
• Falha na Raciocínio Latente: Técnicas recentes de "raciocínio latente" em recomendação sequencial utilizam o último item interagido como ponto de partida (pivot) para inferir interesses. No entanto, em contas compartilhadas, o último item representa apenas o comportamento do usuário mais recente, falhando em capturar a comportamento coletivo da conta, o que prejudica a inferência dos outros usuários ocultos.

2. Metodologia Proposta: DisenReason

Os autores propõem o DisenReason, um framework de raciocínio em duas etapas projetado para inferir adaptativamente o número de usuários latentes e suas preferências, sem assumir um número fixo prévio.

Etapa 1: Desemaranhamento de Comportamento para Criação do Pivot (Behavior Disentanglement)

O objetivo é criar uma representação unificada da conta que sirva como base (pivot) para o raciocínio, capturando o comportamento coletivo em vez de apenas o último item.

• Abordagem de Domínio de Frequência: O modelo trata a sequência de interações mista como um sinal temporal entrelaçado. Utiliza a Transformada Rápida de Fourier (FFT) para converter a sequência do domínio do tempo para o domínio da frequência.
• Desemaranhamento: A sequência no domínio da frequência é dividida em sub-bandas de largura igual. A hipótese é que diferentes usuários exibem ritmos temporais distintos (preferências estáveis de longo prazo = baixas frequências; interações explosivas de curto prazo = altas frequências).
• Fusão Adaptativa (Mixture-of-Experts): As componentes de frequência são transformadas de volta para o domínio do tempo (via IFFT). Um mecanismo de fusão adaptativa (baseado em Mixture-of-Experts) pondera e integra essas diferentes padrões comportamentais, gerando uma representação robusta da conta.
• Resultado: O último estado oculto dessa representação fusionada torna-se o Pivot de Raciocínio, que encapsula a dinâmica coletiva da conta.

Etapa 2: Raciocínio Residual Progressivo para Usuários Latentes (Progressive Residual Reasoning)

Nesta etapa, o modelo inferi iterativamente os usuários ocultos a partir do pivot criado.

• Processo Iterativo: O modelo inicia com o pivot e aplica uma função de raciocínio para extrair a representação do usuário latente mais dominante.
• Mecanismo Residual: Após inferir um usuário, sua representação é subtraída do estado atual (resíduo). Isso remove o sinal explicado por aquele usuário, permitindo que os passos subsequentes foquem nos sinais não explicados (outros usuários).
• Critério de Parada Adaptativo: O processo continua até que a similaridade semântica entre o usuário inferido no passo atual e o do passo anterior ultrapasse um limiar ($\alpha$). Isso indica que todos os usuários distintos foram recuperados e o modelo para de gerar novos usuários redundantes.
• Previsão Final: As representações de todos os usuários inferidos são agregadas para prever o próximo item.

3. Contribuições Principais

1. Primeira Aplicação de Raciocínio Latente em SSR: Introduz o paradigma de "raciocínio antes de agir" (inspirado em LLMs) especificamente para o cenário de contas compartilhadas, focando na inferência do número de usuários.
2. Framework de Duas Etapas (DisenReason):
   • Propõe o uso de FFT para desemaranhar sinais mistos de comportamento em padrões distintos, resolvendo o problema de falta de um "pivot" coletivo.
   • Desenvolve um mecanismo de raciocínio residual progressivo que descobre dinamicamente o número de usuários, eliminando a necessidade de hiperparâmetros fixos para a contagem de usuários.
3. Desempenho Superior: Demonstra através de experimentos extensivos que a abordagem supera consistentemente os métodos mais avançados (SOTA) em múltiplos conjuntos de dados.

4. Resultados Experimentais

O modelo foi avaliado em quatro conjuntos de dados de referência (dois reais de TV inteligente: HV-E e HV-V; e dois sintéticos/simulados da Amazon: HA-M e HA-B).

• Métricas de Desempenho: O DisenReason superou todos os baselines (incluindo modelos de recomendação sequencial tradicionais como SASRec e modelos SSR específicos como LightGC2N e $\pi$-Net).
• Melhorias Relativas:
  • Até 12,56% de melhoria em MRR@5 (Mean Reciprocal Rank).
  • Até 6,06% de melhoria em Recall@20.
• Análise de Ablação:
  • A remoção do Desemaranhamento de Comportamento causou a queda mais drástica de desempenho, provando que usar o último item como pivot é insuficiente para contas compartilhadas.
  • A Fusão Adaptativa e a Operação Residual também trouxeram ganhos significativos, validando a importância de ponderar padrões e remover sinais explicados.
• Robustez: O modelo manteve desempenho estável mesmo com sequências longas e com proporções reduzidas de dados de treinamento (até 20%), superando os baselines nessas condições.
• Inferência de Usuários: Visualizações mostraram que o modelo consegue inferir corretamente números variados de usuários (ex: 2, 3 ou 4) dependendo da complexidade da conta, adaptando-se à realidade dos dados.

5. Significado e Implicações

• Teórico: O trabalho desafia a suposição rígida de "número fixo de usuários" na literatura de recomendação, propondo uma abordagem baseada em processamento de sinais (Fourier) e raciocínio iterativo para modelar a complexidade dinâmica de contas compartilhadas.
• Prático: Oferece uma solução escalável para plataformas de streaming e e-commerce, onde identificar usuários individuais sem login explícito é difícil. O sistema permite recomendações mais personalizadas e precisas ao entender quem está usando a conta e quantos são, sem exigir configuração manual ou identificação explícita.

Em resumo, o DisenReason representa um avanço significativo ao transformar o problema de inferência de usuários em um processo de raciocínio latente guiado por desentrelaçamento de sinais no domínio da frequência, alcançando maior precisão e adaptabilidade em ambientes de contas compartilhadas.