CB2CF：一种用于完全冷物品推荐的神经多视角内容到协同过滤模型
信息检索
2019-09-24 v2 计算与语言
机器学习
摘要
在推荐系统研究中，算法常被归类为协同过滤(CF)或基于内容(CB)。CF算法使用用户偏好数据集训练，而CB算法通常基于物品画像。这些方法利用不同的数据源，因此产生的推荐物品通常非常不同。本文提出CB2CF，一种深度神经多视角模型，充当从物品内容到其CF表示的桥梁。CB2CF是一个为微软商店服务设计的真实世界算法，服务全球约十亿用户。CB2CF在电影和应用程序推荐上得到演示，表明在完全冷物品上优于另一种CB模型。
引用
@article{arxiv.1611.00384,
title = {CB2CF: A Neural Multiview Content-to-Collaborative Filtering Model for Completely Cold Item Recommendations},
author = {Oren Barkan and Noam Koenigstein and Eylon Yogev and Ori Katz},
journal= {arXiv preprint arXiv:1611.00384},
year = {2019}
}
备注
In Proceedings of Recsys'19. ACM, Copenhagen, Denmark