用于揭示隐式人口统计学推荐系统因素的深度学习特征选择
信息检索
2020-12-22 v1 计算机视觉与模式识别
机器学习
神经与进化计算
机器学习
摘要
从隐因子中提取人口统计学特征是一个提供多种相关应用的创新概念。矩阵分解模型生成的因子不包含语义知识。本文提供一种基于深度学习的方法:DeepUnHide,能够从协同过滤推荐系统中的用户和物品因子提取人口统计学信息。所提方法的核心是用于图像处理的文献中突出每个分类类别代表性区域的基于梯度的定位。验证实验使用了两个公共数据集和当前基线。结果表明,与最先进的特征选择方法相比,DeepUnHide 在特征选择和人口统计学分类方面具有优越性。相关直接应用包括推荐解释、协同过滤中的公平性以及面向用户群的推荐。
引用
@article{arxiv.2006.12379,
title = {Deep Learning feature selection to unhide demographic recommender systems factors},
author = {Jesús Bobadilla and Ángel González-Prieto and Fernando Ortega and Raúl Lara-Cabrera},
journal= {arXiv preprint arXiv:2006.12379},
year = {2020}
}
备注
20 pages, 14 figures, 1 table