面向用户生成条目列表延续的一致性感知推荐
信息检索
2020-01-01 v1
摘要
用户生成的条目列表在许多平台上都很流行。例子包括 YouTube 上基于视频的播放列表、Pinterest 上基于图像的列表（或“画板”）、Goodreads 上基于书籍的列表，以及知乎等问答论坛中基于答案的列表。在用户创建这些列表时，一个常见的挑战是确定接下来应精选哪些条目。有些列表围绕特定流派或主题组织，而另一些则看似不连贯，反映了个体对于哪些条目应归在一起的偏好。此外，这种条目一致性的异质性可能因平台而异，也因子社区而异。因此，本文提出了一种可泛化的用户生成条目列表延续方法。作为利用特定内容模式方法（例如依赖音频特征的歌曲播放列表方法）的补充，所提方法基于人类精选模式对条目列表的一致性进行建模，从而可部署于多种不同的条目类型（例如视频、图像、书籍）。一项关键贡献是通过一种新颖的一致性感知门控网络智能地组合两个偏好模型——一个捕捉用户整体兴趣的通用用户偏好模型，以及一个捕捉用户当前（截至最近一条目）兴趣的当前偏好优先级模型。以此方式，所提一致性感知推荐器可随用户偏好的演化而动态适应。在四个数据集（歌曲、书籍和答案）上的评估证实了这些观察，并展示了所提模型相对于最先进替代方法的有效性。此外，所有代码与数据可在 https://github.com/heyunh2015/ListContinuation_WSDM2020 获取。
引用
@article{arxiv.1912.13031,
title = {Consistency-Aware Recommendation for User-Generated ItemList Continuation},
author = {Yun He and Yin Zhang and Weiwen Liu and James Caverlee},
journal= {arXiv preprint arXiv:1912.13031},
year = {2020}
}
备注
accepted by WSDM 2020