使用基于模型的方法与深度学习解决推荐系统中的物品冷启动问题
信息检索
2017-06-20 v1 机器学习
机器学习
摘要
传统的推荐系统依赖于过去的使用数据来生成新的推荐。那些方法由于缺少新用户和物品过去交互的信息，无法为系统中的新用户和物品生成合理的推荐。在本文中，我们提出了一种成功解决物品冷启动问题的方案，该方案使用了基于模型的方法和深度学习的最新进展。具体而言，我们使用潜在因子模型进行推荐，并在无法从使用数据中获得潜在因子时，利用卷积神经网络从物品描述中预测潜在因子。通过对可用使用数据应用矩阵分解获得的潜在因子被用作训练卷积神经网络的真实值。为了给新物品创建潜在因子表示，卷积神经网络使用其文本描述。实验结果表明，所提出的方法显著优于几种基线估计器。
引用
@article{arxiv.1706.05730,
title = {Addressing Item-Cold Start Problem in Recommendation Systems using Model Based Approach and Deep Learning},
author = {Ivica Obadić and Gjorgji Madjarov and Ivica Dimitrovski and Dejan Gjorgjevikj},
journal= {arXiv preprint arXiv:1706.05730},
year = {2017}
}