DBRec：通过发现潜在群组实现双重桥接推荐
信息检索
2019-10-17 v2 机器学习
机器学习
摘要
在推荐系统中，用户-物品交互数据通常稀疏，不足以学习用于推荐的全面用户/物品表示。为解决此问题，我们提出一种新颖的双重桥接推荐模型（DBRec）。DBRec在执行协同过滤的同时进行潜在用户/物品群组发现，并将群组信息为用户/物品交互以桥接相似用户/物品。因此，在DBRec中，用户对未观测物品的偏好可以通过同群组内已对该物品评分的用户，或与该未观测物品共享同一群组的用户已评分物品来桥接。此外，我们提出联合学习用户-用户群组（物品-物品群组）层次结构，以便有效发现潜在群组并学习紧凑的用户/物品表示。我们将协同过滤、潜在群组发现和层次建模联合集成到一个统一框架中，使所有模型参数都能朝着目标函数的优化方向学习。我们使用两个真实数据集验证了所提模型的有效性，并通过大量实验展示了其相对于最先进推荐模型的优势。
引用
@article{arxiv.1909.12301,
title = {DBRec: Dual-Bridging Recommendation via Discovering Latent Groups},
author = {Jingwei Ma and Jiahui Wen and Mingyang Zhong and Liangchen Liu and Chaojie Li and Weitong Chen and Yin Yang and Honghui Tu and Xue Li},
journal= {arXiv preprint arXiv:1909.12301},
year = {2019}
}
备注
10 pages, 16 figures, The 28th ACM International Conference on Information and Knowledge Management (CIKM '19)