DARec：基于评分模式迁移的跨域推荐深度域自适应方法
机器学习
2019-05-28 v1 信息检索
机器学习
摘要
跨域推荐一直是推荐系统中的主要课题之一。近来，各种深度模型被提出以跨域迁移所学知识，但其中大多数侧重于从辅助内容（例如图像和评论文本）中提取可迁移的抽象特征，而评分矩阵本身的模式很少被触及。在这项工作中，受域自适应概念的启发，我们提出了一种深度域自适应模型（DARec），它能够仅从评分矩阵中提取并迁移模式，而不依赖任何辅助信息。我们在公开数据集上实证表明，我们的方法在几种最先进的替代跨域推荐模型中取得了最佳性能。
引用
@article{arxiv.1905.10760,
title = {DARec: Deep Domain Adaptation for Cross-Domain Recommendation via Transferring Rating Patterns},
author = {Feng Yuan and Lina Yao and Boualem Benatallah},
journal= {arXiv preprint arXiv:1905.10760},
year = {2019}
}