DCDIR：一种面向保险领域冷启动用户的深度跨域推荐系统
信息检索
2020-07-28 v1 社会与信息网络
摘要
互联网保险产品因其复杂性、低购买频率等明显不同于传统电商商品，因此冷启动问题更为严重。在传统电商领域，已有若干跨域推荐（CDR）方法被研究用于基于冷启动用户在其他领域的偏好推断其偏好。然而，由于产品复杂性，这些 CDR 方法无法直接应用于保险领域。本文提出一种面向冷启动用户的深度跨域保险推荐系统（DCDIR）。具体而言，我们首先在两个领域学习更有效的用户与物品隐特征。在目标域，鉴于保险产品的复杂性，我们设计了基于元路径的方法作用于保险产品知识图谱。在源域，我们采用 GRU 对用户动态兴趣建模。随后通过多层感知机学习特征映射函数。我们将 DCDIR 应用于本公司数据集，结果表明 DCDIR 显著优于当前最优方案。
引用
@article{arxiv.2007.13316,
title = {DCDIR: A Deep Cross-Domain Recommendation System for Cold Start Users in Insurance Domain},
author = {Ye Bi and Liqiang Song and Mengqiu Yao and Zhenyu Wu and Jianming Wang and Jing Xiao},
journal= {arXiv preprint arXiv:2007.13316},
year = {2020}
}
备注
5 pages, accepted in SIGIR20 Short Paper Track