用于互补服装推荐的一致性正则化
信息检索
2024-11-20 v1
摘要
本文报告了针对贝叶斯个性化排序 (BPR) 的一致性正则化模型 (CR-BPR) 的开发，旨在解决现有互补服装推荐方法中的缺陷，即由多模态数据的不同特征尺度引起的有限一致性和有偏学习。与其他产品类型相比，时尚偏好本质上是主观的且更具个人色彩，并且时尚通常不是以单一服装产品呈现，而是与其他互补产品搭配成协调的时尚套装。当前的互补产品推荐研究主要关注用户偏好和产品匹配，本研究在服装匹配的特定背景下，进一步强调了在用户-产品交互以及产品-产品交互中观察到的一致性。大多数传统方法往往低估了现有衣橱单品对未来搭配选择的影响，导致偏好预测模型效果不佳。此外，许多基于多模态信息的模型忽略了由涉及的各种特征尺度引起的局限性。为了解决这些差距，CR-BPR 模型集成了协同过滤技术，以结合用户偏好和产品匹配建模，并对每个方面独特地关注一致性正则化。此外，特征缩放过程的引入进一步解决了由不同特征尺度引起的不平衡，确保模型能够有效处理多模态数据而不被任何特定类型的特征所偏斜。通过对两个基准数据集的详细分析，验证了 CR-BPR 模型的有效性。结果证实，所提出的方法显著优于现有模型。
引用
@article{arxiv.2411.12295,
title = {Consistency Regularization for Complementary Clothing Recommendations},
author = {Shuiying Liao and P. Y. Mok and Li Li},
journal= {arXiv preprint arXiv:2411.12295},
year = {2024}
}