基于深度域自适应的跨域推荐
机器学习
2018-03-09 v1 计算与语言
信息检索
摘要
用户在某些服务中的行为可作为推断其偏好并用于为其从未使用过的其他服务进行推荐的线索。然而，物品与用户消费模式之间的跨域关系并不简单，尤其当各域之间极少或没有共同用户与物品时。为解决此问题，我们提出了一种面向冷启动用户的基于内容的跨域推荐方法，其不需要用户与物品的重叠。我们将推荐表述为极端多类分类，预测与用户对应的标签（物品）。在此表述下，问题被归约为域自适应设定，即在源域训练的分类器被适配到目标域。为此，我们构建了一个将域自适应架构 Domain Separation Network 与用于物品表示的去噪自编码器相结合的神经网络。我们在从 Yahoo! JAPAN 的电影与新闻服务收集的一对数据集上评估了方法性能，结果表明我们的方法优于若干基线方法，包括一种跨域协同过滤方法。
引用
@article{arxiv.1803.03018,
title = {Cross-domain Recommendation via Deep Domain Adaptation},
author = {Heishiro Kanagawa and Hayato Kobayashi and Nobuyuki Shimizu and Yukihiro Tagami and Taiji Suzuki},
journal= {arXiv preprint arXiv:1803.03018},
year = {2018}
}