面向推荐系统的协同相似度嵌入
信息检索
2019-02-20 v2 社会与信息网络
摘要
我们提出协同相似度嵌入（CSE），一个统一框架，利用用户-物品二部图中可用的全面协同关系进行表示学习与推荐。在所提框架中，我们区分两类邻近关系：直接邻近与 k 阶邻域邻近。从前者学习利用了图中可观测的直接用户-物品关联，而从后者学习利用了隐式关联，如用户-用户相似度与物品-物品相似度，这在图稀疏时可提供有价值的信息。此外，为提升可扩展性与灵活性，我们提出一种专门设计用于捕捉这两类邻近关系的采样技术。在八个基准数据集上的大量实验表明，CSE 取得了显著优于最先进推荐方法的性能。
引用
@article{arxiv.1902.06188,
title = {Collaborative Similarity Embedding for Recommender Systems},
author = {Chih-Ming Chen and Chuan-Ju Wang and Ming-Feng Tsai and Yi-Hsuan Yang},
journal= {arXiv preprint arXiv:1902.06188},
year = {2019}
}
备注
The shorten version is accepted by WWW'19