面向推荐的上下文与内容深度联合嵌入
信息检索
2019-11-13 v2
摘要
本文提出一种基于深度学习的方法，用于学习联合上下文-内容嵌入（JCCE），以期实现上下文感知推荐，并展示了其在电视领域的应用。JCCE 建立在推荐系统隐表示与深度度量学习的最新进展之上。该模型基于来自 270 万次观看事件的监督信号，有效地将观看情境与相关联的消费内容进行了分组。实验证实了 JCCE 的推荐能力，与 state-of-the-art 方法相比取得了改进。此外，该方法在学到的表示中展现出有意义的结构，可用于深入洞察上下文设置与内容属性之间关系的潜在因素。
引用
@article{arxiv.1909.06076,
title = {Deep Joint Embeddings of Context and Content for Recommendation},
author = {Miklas S. Kristoffersen and Jacob L. Wieland and Sven E. Shepstone and Zheng-Hua Tan and Vinoba Vinayagamoorthy},
journal= {arXiv preprint arXiv:1909.06076},
year = {2019}
}
备注
Accepted for CARS 2.0 - Context-Aware Recommender Systems Workshop @ RecSys'19