用于 Top-N 物品推荐的约束变分自编码器
机器学习
2020-05-05 v2 信息检索
摘要
在本文中，我们提出一种约束变分自编码器（C-VAE），用于约束条件下的 top-N 物品推荐，其中被推荐物品必须满足给定条件。所提模型架构类似于标准 VAE，区别在于将条件向量输入编码器。得益于一种考虑输入条件的新的重构损失，该约束排序在训练过程中被学习。我们表明我们的模型推广了最先进的 Mult-VAE 协同过滤模型。此外，我们提供了关于 C-VAE 在潜空间中学习到什么的可解释性见解。实验结果凸显了 C-VAE 在约束下提供准确推荐的潜力。最后，所进行的分析表明 C-VAE 可用于其他推荐场景，例如上下文感知推荐。
引用
@article{arxiv.2004.11141,
title = {Conditioned Variational Autoencoder for top-N item recommendation},
author = {Tommaso Carraro and Mirko Polato and Fabio Aiolli},
journal= {arXiv preprint arXiv:2004.11141},
year = {2020}
}