超越准确率优化：论物品嵌入对于学生求职推荐的价值
信息检索
2017-11-22 v1
摘要
在这项工作中，我们解决向大学生推荐工作的问题。为此，我们探索将神经物品嵌入用于基于内容的推荐任务，并提议整合与职位发布交互的频率与近因因素以组合这些物品嵌入。我们使用奥地利学生求职门户 Studo 的数据集，基于预测准确率、多样性与一种改进的新颖性度量评估我们的工作推荐系统。本文表明，利用与职位发布交互的频率与近因来组合物品嵌入，可得到一个在准确率与多样性方面稳健的模型，并且也提供了最佳的改进新颖性结果。
引用
@article{arxiv.1711.07762,
title = {Beyond Accuracy Optimization: On the Value of Item Embeddings for Student Job Recommendations},
author = {Emanuel Lacic and Dominik Kowald and Markus Reiter-Haas and Valentin Slawicek and Elisabeth Lex},
journal= {arXiv preprint arXiv:1711.07762},
year = {2017}
}
备注
4 pages, 2 figures, 1 table