用于冷启动推荐的内容感知神经哈希
信息检索
2020-06-02 v1
摘要
内容感知推荐方法对于在推荐系统中为新的(即冷启动)物品提供有意义的推荐至关重要。我们提出一种基于内容感知神经哈希的协同过滤方法(NeuHash-CF)，其为用户与物品生成二值哈希码，从而可利用高效的汉明距离来估计用户-物品相关性。NeuHash-CF被建模为自动编码器架构，由用于生成用户与物品哈希码的两个联合哈希组件构成。受语义哈希启发，物品哈希组件直接从物品的内容信息生成哈希码(即以相同方式为冷启动与已见物品生成哈希码)。这与将两种物品情况分开处理的现有最先进模型形成对比。用户哈希码通过学习的用户嵌入矩阵直接基于用户id生成。我们通过实验表明，在冷启动推荐设定下，NeuHash-CF以高达12%的NDCG与13%的MRR显著优于最先进基线，而在所有物品均于训练时出现的标准设定下，NDCG与MRR均高出至多4%。我们的方法使用短2-4倍的哈希码，同时相较最先进水平获得同等或更佳性能，从而也实现了显著的存储缩减。
引用
@article{arxiv.2006.00617,
title = {Content-aware Neural Hashing for Cold-start Recommendation},
author = {Casper Hansen and Christian Hansen and Jakob Grue Simonsen and Stephen Alstrup and Christina Lioma},
journal= {arXiv preprint arXiv:2006.00617},
year = {2020}
}
备注
Accepted to SIGIR 2020