一种基于选择性邻域建模的统一推荐模型
信息检索
2020-10-20 v1 人工智能
摘要
基于邻域的推荐系统是协同过滤（CF）模型中的一大类。其直观想法是利用具有相似偏好的邻居来桥接未观测的用户-物品对并缓解数据稀疏性。许多现有工作提出神经注意力网络来聚合邻居，并为推荐中对特定用户子集赋予更高权重。然而，邻域信息未必总是具有信息量，且邻域中的噪声会对模型性能产生负面影响。为解决此问题，我们提出了一种新颖的基于邻域的推荐模型，其中设计了一种混合门控网络，可自动将相似邻居与不相似（噪声）邻居分离，并聚合这些相似邻居以构成邻域表示。若我们对邻域信息有信心，则通过对邻域表示赋予更高权重来体现邻域置信度，反之亦然。此外，提出了一种用户-邻居组件，用于在潜空间中对用户-邻居邻近性进行显式正则化。这两个组件被组合到一个统一模型中，以在推荐任务中相互补充。在三个公开数据集上的大量实验表明，所提模型始终优于最先进的基于邻域的推荐系统。我们还研究了所提模型的不同变体，以验证所提混合门控网络和用户-邻居建模组件背后的直观想法。
引用
@article{arxiv.2010.08547,
title = {A Unified Model for Recommendation with Selective Neighborhood Modeling},
author = {Jingwei Ma and Jiahui Wen and Panpan Zhang and Guangda Zhang and Xue Li},
journal= {arXiv preprint arXiv:2010.08547},
year = {2020}
}