ColdGAN：利用生成对抗网络解决冷启动用户推荐
人工智能
2020-11-26 v1
摘要
缓解新用户冷启动问题在推荐系统中至关重要，在线服务提供商借此影响用户在决策中的体验，最终可能影响用户使用特定服务的意愿。既往研究利用了用户与物品的多种辅助信息；然而出于隐私考量，这可能并不现实。本文提出 ColdGAN，一种端到端、基于 GAN 且不使用辅助信息以解决该问题的模型。所提模型的核心思想是训练一个网络，在给定冷启动分布时学习有经验用户的评分分布。我们进一步设计基于时间的函数，将用户偏好恢复至冷启动状态。在两个真实世界数据集上的大量实验表明，与最先进的推荐系统相比，所提方法取得了显著更优的性能。
引用
@article{arxiv.2011.12566,
title = {ColdGAN: Resolving Cold Start User Recommendation by using Generative Adversarial Networks},
author = {Po-Lin Lai and Chih-Yun Chen and Liang-Wei Lo and Chien-Chin Chen},
journal= {arXiv preprint arXiv:2011.12566},
year = {2020}
}