深度对抗社交推荐
信息检索
2019-05-31 v1 机器学习
社会与信息网络
摘要
近年来，由于社交网络对我们日常生活的影响日益增强，用于提升推荐系统性能的社交推荐技术迅速发展。现有多数社交推荐方法对用户-物品交互（物品域）与用户-用户连接（社交域）统一使用用户表示。然而，这可能限制各域中的用户表示学习，因为用户在两域中的行为与交互不同，使其表示呈现异质性。此外，大多数传统推荐系统无法高效优化这些目标，因为它们采用负采样技术，在优化过程中无法为训练提供充分的信息性指导。本文为应对上述挑战，提出一种新颖的深度对抗社交推荐框架 DASO。它采用双向映射方法，通过对抗学习在社交域与物品域之间迁移用户信息。在两个真实数据集上的综合实验表明了所提框架的有效性。
引用
@article{arxiv.1905.13160,
title = {Deep Adversarial Social Recommendation},
author = {Wenqi Fan and Tyler Derr and Yao Ma and Jianping Wang and Jiliang Tang and Qing Li},
journal= {arXiv preprint arXiv:1905.13160},
year = {2019}
}
备注
Accepted by International Joint Conference on Artificial Intelligence (IJCAI 2019)