ColdNAS：通过搜索调制结构解决用户冷启动推荐问题
人工智能
2023-06-07 v1
摘要
针对仅有少量交互历史的冷启动用户进行个性化推荐是推荐系统中的一项挑战性难题。近期工作利用超网络直接将用户交互历史映射为用户特定参数，再通过逐特征线性调制函数调制预测器，取得了当前最优性能。然而，缩放与平移在推荐数据中的物理意义并不明确。我们提出一种面向用户冷启动问题的调制框架 ColdNAS，而非采用固定调制函数并凭经验决定调制位置，通过神经架构搜索寻找合适的调制结构（包括函数与位置）。我们设计了一个覆盖广泛模型的搜索空间，并从理论上证明该搜索空间可转化为小得多的空间，从而实现高效且鲁棒的 oneshot 搜索算法。在基准数据集上的大量实验表明，ColdNAS 始终表现最佳。我们观察到不同调制函数在不同数据集上取得最优性能，这验证了设计基于搜索方法的必要性。
引用
@article{arxiv.2306.03387,
title = {ColdNAS: Search to Modulate for User Cold-Start Recommendation},
author = {Shiguang Wu and Yaqing Wang and Qinghe Jing and Daxiang Dong and Dejing Dou and Quanming Yao},
journal= {arXiv preprint arXiv:2306.03387},
year = {2023}
}