COMET：用于协同过滤的卷积维度交互模型
信息检索
2023-03-14 v6 机器学习
摘要
基于表示学习的推荐模型在推荐技术中占据主导地位。然而，现有大多数方法假设历史交互和嵌入维度彼此独立，从而遗憾地忽略了历史交互与嵌入维度之间的高阶交互信息。本文提出一种名为COMET（COnvolutional diMEnsion inTeraction，卷积维度交互）的新型基于表示学习的模型，其同时建模历史交互与嵌入维度间的高阶交互模式。具体而言，COMET首先将历史交互的嵌入水平堆叠，得到两张“嵌入图”。以此方式，内部交互与维度交互可由具有不同尺寸核的卷积神经网络（CNN）同时挖掘。随后应用全连接多层感知机（MLP）获得两个交互向量。最后，用户与物品的表示由所学交互向量得以丰富，并可进一步用于生成最终预测。在多个公开隐式反馈数据集上的大量实验与消融研究清晰地证明了我们所提方法的有效性与合理性。
引用
@article{arxiv.2007.14129,
title = {COMET: Convolutional Dimension Interaction for Collaborative Filtering},
author = {Zhuoyi Lin and Lei Feng and Xingzhi Guo and Yu Zhang and Rui Yin and Chee Keong Kwoh and Chi Xu},
journal= {arXiv preprint arXiv:2007.14129},
year = {2023}
}
备注
Accepted by ACM TIST