BeLightRec：增强 BERT 的轻量级推荐系统
信息检索
2025-03-27 v1
摘要
深度学习模型在图神经网络上进行数据挖掘的趋势已被证明在通过信号编码器和解码器识别对象特征方面效果显著，特别是在利用协同过滤方法的推荐系统中。协同过滤利用历史数据中的用户和物品之间的相似性，但忽略了诸如物品名称和描述等独特信息。应进一步使用自然语言处理领域的模型来挖掘物品的语义数据。因此，可以通过文本分类、相似性评估或识别类似句子对来比较物品。本研究提出将两种物品相似性信号源结合起来：一种来自协同过滤，另一种来自物品名称和描述之间语义相似性的度量。这两种信号被整合到图卷积神经网络中，以优化模型权重，从而提供准确的推荐。还设计了实验来评估每个信号组对推荐结果的贡献。
引用
@article{arxiv.2503.20206,
title = {BeLightRec: A lightweight recommender system enhanced with BERT},
author = {Manh Mai Van and Tin T. Tran},
journal= {arXiv preprint arXiv:2503.20206},
year = {2025}
}