AutoEmb:流式推荐中嵌入维度自动搜索
信息检索
2020-03-03 v2
摘要
基于深度学习推荐系统(DLRSs)通常具有嵌入层,用于降低类别变量(如用户/物品标识符)的维度并在低维空间中有意义地转换它们。现有多数 DLRSs 凭经验预先定义所有用户/物品嵌入的固定统一维度。近期研究明显表明,依据流行度不同用户/物品高度需要不同的嵌入尺寸。然而,由于用户/物品数量庞大及其流行度的动态特性,在推荐系统中手动选择嵌入尺寸极具挑战。因此,本文提出一种基于 AutoML 的端到端框架(AutoEmb),可按流行度以自动化、动态方式启用不同嵌入维度。具体而言,我们首先增强典型 DLRS 以支持多种嵌入维度;随后提出一个端到端可微框架,可根据用户/物品流行度自动选择不同嵌入维度;最后在流式推荐设定下提出一种基于 AutoML 的优化算法。基于广泛使用的基准数据集的实验结果证明了 AutoEmb 框架的有效性。
引用
@article{arxiv.2002.11252,
title = {AutoEmb: Automated Embedding Dimensionality Search in Streaming Recommendations},
author = {Xiangyu Zhao and Chong Wang and Ming Chen and Xudong Zheng and Xiaobing Liu and Jiliang Tang},
journal= {arXiv preprint arXiv:2002.11252},
year = {2020}
}