面向推荐系统的自动相似度指标生成
信息检索
2024-04-19 v1
摘要
基于嵌入的架构已成为现代推荐系统中主导性方法，将用户和物品映射到紧凑的向量空间。随后采用预定义的相似度度量（如内积）来计算用户嵌入与物品嵌入之间的相似度得分，从而引导推荐与用户偏好高度吻合的物品。鉴于相似度度量在推荐系统中的关键作用，现有方法主要采用手工设计的相似度度量来捕捉用户-物品相互作用的复杂特征。然而，手工设计的度量可能无法完全捕捉不同领域中可显著变化的多样化相似模式。为此，我们提出一种用于推荐的自动相似度指标生成方法，命名为AutoSMG，可为各种领域和数据集生成量身定制的相似度度量。具体而言，我们首先通过从基本嵌入算子中进行采样，构建相似度度量空间，然后将其集成到计算图中以表示度量。我们采用演化算法在该度量空间中迭代搜索最优度量。为提高搜索效率，我们利用早停策略和替代模型来近似评估候选度量的性能，而无需完全训练模型。值得注意的是，我们提出的方法具有模型无关性，可无缝集成到不同的推荐模型架构中。该方法在三个跨领域的公开推荐数据集上进行了验证，针对Top-K推荐任务进行实验测试，结果表明AutoSMG均优于常用手工设计度量以及其他搜索策略生成的度量。
引用
@article{arxiv.2404.11818,
title = {Automated Similarity Metric Generation for Recommendation},
author = {Liang Qu and Yun Lin and Wei Yuan and Xiaojun Wan and Yuhui Shi and Hongzhi Yin},
journal= {arXiv preprint arXiv:2404.11818},
year = {2024}
}