PDQUBO: Selezione delle Caratteristiche Basata sulle Prestazioni per Sistemi di Raccomandazione su Annealer Quantistici
È stato proposto un nuovo metodo chiamato PDQUBO (Performance-Driven Quadratic Unconstrained Binary Optimization) per la selezione delle caratteristiche nei sistemi di raccomandazione, progettato per funzionare direttamente su annealer quantistici. A differenza dei precedenti approcci basati su QUBO, PDQUBO quantifica esplicitamente l'impatto delle singole caratteristiche e delle coppie di caratteristiche sulle prestazioni del modello di raccomandazione, allineando gli obiettivi di ottimizzazione con le prestazioni del modello. Il metodo utilizza l'analisi controfattuale, risultando agnostico rispetto al modello e indipendente dalla metrica di valutazione. Questo lavoro, pubblicato su arXiv (2410.15272), affronta la sfida di implementare il calcolo quantistico per sistemi di raccomandazione pratici, garantendo che la direzione della soluzione sia legata alla qualità della raccomandazione.
Fatti principali
- PDQUBO è un metodo di selezione delle caratteristiche basato su QUBO per sistemi di raccomandazione.
- È direttamente eseguibile su annealer quantistici.
- PDQUBO quantifica l'impatto delle prestazioni di singole caratteristiche e coppie di caratteristiche.
- Il metodo allinea gli obiettivi di ottimizzazione QUBO con le prestazioni del modello.
- Sfrutta l'analisi controfattuale per operare in modo agnostico rispetto al modello e indipendente dalla metrica.
- Pubblicato su arXiv con ID 2410.15272.
- Il lavoro si concentra sull'implementazione pratica su hardware quantistico.
- PDQUBO è progettato per migliorare la qualità della raccomandazione.
Entità
Istituzioni
- arXiv