基于用户-物品协同自回归模型的协同过滤
机器学习
2018-07-06 v3
摘要
深度神经网络在协同过滤（CF）中已显示出前景。然而，现有的神经方法要么基于用户，要么基于物品，无法显式地利用所有底层信息。我们提出 CF-UIcA，一种用于 CF 任务的神经协同自回归模型，它利用了用户和物品域中的结构相关性。协同自回归允许为不同任务融入额外的期望属性。此外，我们开发了一种高效的随机学习算法来处理大规模数据集。我们在两个流行基准上评估 CF-UIcA：MovieLens 1M 和 Netflix，并在评分预测和 top-N 推荐任务中都取得了最先进的性能，这证明了 CF-UIcA 的有效性。
引用
@article{arxiv.1612.07146,
title = {Collaborative Filtering with User-Item Co-Autoregressive Models},
author = {Chao Du and Chongxuan Li and Yin Zheng and Jun Zhu and Bo Zhang},
journal= {arXiv preprint arXiv:1612.07146},
year = {2018}
}
备注
Published in AAAI 2018