用于跨平台视频推荐的保差异深度跨平台关联
信息检索
2019-11-13 v2
摘要
跨平台推荐旨在通过关联来自不同平台的信息来提高推荐精度。现有的跨平台推荐方法假设所有跨平台信息彼此一致且可对齐。然而，仍存在两个未解决的挑战：i) 由于平台特定差异导致跨平台关联中存在不一致性；ii) 来自不同平台的数据可能具有不同的语义粒度。本文中，我们提出了一种用于跨平台视频推荐的跨平台关联模型，即保差异深度跨平台关联（DCA），其考虑了平台特定差异与粒度差异。所提出的 DCA 模型采用部分连接的多模态自编码器，能够显式捕获平台特定信息，并利用非线性映射函数处理粒度差异。随后我们基于所提 DCA 模型给出了一种跨平台视频推荐方法。在真实数据集上对我们跨平台推荐框架的大量实验表明，所提 DCA 模型在各种评价指标上显著优于现有跨平台推荐方法。
引用
@article{arxiv.1901.00171,
title = {Disparity-preserved Deep Cross-platform Association for Cross-platform Video Recommendation},
author = {Shengze Yu and Xin Wang and Wenwu Zhu and Peng Cui and Jingdong Wang},
journal= {arXiv preprint arXiv:1901.00171},
year = {2019}
}