面向推荐系统检测任意阶有益特征交互
信息检索
2022-06-29 v1 机器学习
摘要
检测有益特征交互在推荐系统中至关重要,现有方法通过考察所有可能特征交互来实现。然而,考察所有可能的高阶特征交互代价高昂(随阶数增加呈指数增长)。因此现有方法仅能检测有限阶(如至多四个特征的组合)的有益特征交互,可能遗漏高于该限制阶数的有益特征交互。本文提出一种基于超图神经网络的模型HIRS。HIRS是首个直接生成任意阶有益特征交互并相应做出推荐预测的工作。所生成特征交互的数量可指定为远小于所有可能交互的数量,因而我们的模型运行时间大幅降低。为实现高效算法,我们利用有益特征交互的三个性质,并提出基于deep-infomax的方法来引导交互生成。实验结果表明,HIRS在推荐准确率上较SOTA算法最高提升5%。
引用
@article{arxiv.2206.13764,
title = {Detecting Arbitrary Order Beneficial Feature Interactions for Recommender Systems},
author = {Yixin Su and Yunxiang Zhao and Sarah Erfani and Junhao Gan and Rui Zhang},
journal= {arXiv preprint arXiv:2206.13764},
year = {2022}
}
备注
KDD 2022, 11 pages, 12 figures, 5 tables