CnGAN：用于非重叠用户跨网络用户偏好生成的生成对抗网络
机器学习
2020-08-26 v1 人工智能
信息检索
机器学习
摘要
跨网络推荐解决方案的一个主要缺点是它们只能应用于跨网络重叠的用户。因此，占用户多数的非重叠用户被忽略。作为解决方案，我们提出了 CnGAN，一种新颖的基于多任务学习、编码器-GAN-推荐器架构。所提出的模型通过学习从目标网络到源网络偏好流形的映射，为非重叠用户合成生成源网络用户偏好。生成的用户偏好用于基于连体网络的神经推荐架构中。此外，我们提出了一种新颖的基于用户的成对损失函数，用于利用隐式交互进行推荐，以更好地指导多任务学习环境中的生成过程。我们通过生成 Twitter 源网络上的用户偏好用于在 YouTube 目标网络上进行推荐来说明我们的解决方案。大量实验表明，生成的偏好可用于改善非重叠用户的推荐。所得推荐在准确性、新颖性和多样性方面相比最先进的跨网络推荐解决方案取得了更优的性能。
引用
@article{arxiv.2008.10845,
title = {CnGAN: Generative Adversarial Networks for Cross-network user preference generation for non-overlapped users},
author = {Dilruk Perera and Roger Zimmermann},
journal= {arXiv preprint arXiv:2008.10845},
year = {2020}
}