cf2vec：基于图分布式表示的协同过滤算法选择
信息检索
2018-09-18 v1
摘要
使用元学习进行算法选择旨在寻找问题特征 (即元特征) 与相对算法性能之间的映射，以预测新数据集上的最佳算法。因此，所使用的元特征具有信息性至关重要。在协同过滤中，近期研究已创建了此类元特征的广泛集合。然而，由于这些特征是基于从业者对问题的理解创建的，它们可能无法捕捉恰当刻画问题所必需的较相关方面。我们提议通过利用表示学习克服该问题，其能够由数据引导表示的设计而非从业者意见来创建替代的问题刻画。我们的假设表明此类替代表示可用于替换标准元特征，从而导向更鲁棒的元学习方法。我们提出了一种专为协同过滤算法选择设计的新型流程。该流程将协同过滤建模为图并使用 graph2vec 提取分布式表示。实验结果显示所提流程创建的表示与最先进元特征具有竞争力，同时所需数据显著更少且几乎不需要任何人工输入。
引用
@article{arxiv.1809.06120,
title = {cf2vec: Collaborative Filtering algorithm selection using graph distributed representations},
author = {Tiago Cunha and Carlos Soares and André C. P. L. F. de Carvalho},
journal= {arXiv preprint arXiv:1809.06120},
year = {2018}
}