CF-KAN：基于Kolmogorov-Arnold网络的协同过滤以缓解推荐系统中的灾难性遗忘
信息检索
2024-09-12 v2 机器学习
摘要
协同过滤（CF）仍然是推荐系统的核心，它利用用户-物品交互来提供个性化推荐。同时，许多CF技术已演变为基于多层感知器（MLP）的复杂模型架构。然而，MLP常常遭受灾难性遗忘，即在学习新信息时会丢失先前获得的知识，尤其是在需要持续学习的动态环境中。为了解决这个问题，我们提出了CF-KAN，一种利用Kolmogorov-Arnold网络（KAN）的新型CF方法。通过在边层级学习非线性函数，KAN比MLP更能抵抗灾难性遗忘问题。CF-KAN基于KAN自编码器构建，旨在有效捕捉稀疏用户-物品交互的复杂性，并保留来自先前数据实例的信息。尽管设计简单，我们广泛的实验表明：1）CF-KAN在推荐准确性上优于最先进的方法；2）CF-KAN对灾难性遗忘具有鲁棒性，凸显了其在静态和动态推荐场景中的有效性；3）CF-KAN的边层级解释有助于提高推荐的可解释性。
引用
@article{arxiv.2409.05878,
title = {CF-KAN: Kolmogorov-Arnold Network-based Collaborative Filtering to Mitigate Catastrophic Forgetting in Recommender Systems},
author = {Jin-Duk Park and Kyung-Min Kim and Won-Yong Shin},
journal= {arXiv preprint arXiv:2409.05878},
year = {2024}
}
备注
9 pages, 7 figures, 4 tables