基于变分信息瓶颈的冷启动用户跨域推荐
信息检索
2022-04-01 v1 社会与信息网络
摘要
推荐系统已广泛部署于许多现实应用中,但通常受困于长期存在的用户冷启动问题。作为一种有前景的途径,跨域推荐(CDR)引起了大量关注,其旨在将源域中观测到的用户偏好迁移到目标域以进行推荐。以往的 CDR 方法多遵循嵌入与映射(EMCDR)思路,试图学习一个映射函数将预训练的用户表示(嵌入)从源域迁移至目标域。然而,它们为每个域独立预训练用户/物品表示,忽略了对两个域交互的同步考量。因此,有偏的预训练表示不可避免地包含域特有信息,可能对跨域信息迁移产生负面影响。本工作中,我们考量 CDR 任务的一个关键点:哪些信息需要跨域共享?为实现上述思路,本文利用信息瓶颈(IB)原理,提出一种称为 CDRIB 的新方法,以强制表示编码域共享信息。为导出无偏表示,我们设计两个 IB 正则化项同时建模跨域/域内用户-物品交互,从而 CDRIB 能联合考量两个域的交互以实现去偏。
引用
@article{arxiv.2203.16863,
title = {Cross-Domain Recommendation to Cold-Start Users via Variational Information Bottleneck},
author = {Jiangxia Cao and Jiawei Sheng and Xin Cong and Tingwen Liu and Bin Wang},
journal= {arXiv preprint arXiv:2203.16863},
year = {2022}
}
备注
This paper has been accepted by ICDE 2022