用文本相似度模型增强用户-物品图
计算与语言
2021-09-21 v1
摘要
本文提出一种简单而有效的推荐系统数据增强形式。将释义相似度模型应用于广泛可得的文本数据（如评论与产品描述），产生新的语义关系并加入用户-物品图。这在不需更多标注数据的情况下增加了图的密度。该数据增强在多种推荐算法上进行了评估，所用空间包括欧氏、双曲与复数空间，并覆盖三类具有不同特征的 Amazon 产品评论。结果表明，该数据增强技术对所有类型模型均有显著提升，其中基于知识图的推荐器收益最为明显，尤其在冷启动设定下，达到了最先进的性能。
引用
@article{arxiv.2109.09358,
title = {Augmenting the User-Item Graph with Textual Similarity Models},
author = {Federico López and Martin Scholz and Jessica Yung and Marie Pellat and Michael Strube and Lucas Dixon},
journal= {arXiv preprint arXiv:2109.09358},
year = {2021}
}
备注
12 pages, 2 figures