div2vec：强调多样性的节点嵌入
机器学习
2020-09-22 v1 信息检索
社会与信息网络
摘要
近来，图表示学习在推荐系统中的兴趣迅速增长。然而，多数现有研究聚焦于提升准确率，而在真实系统中，为改善用户体验也应考虑推荐多样性。本文提出强调多样性的节点嵌入 div2vec，它是一种基于随机游走的无监督学习方法，类似于 DeepWalk 与 node2vec。生成随机游走时，DeepWalk 与 node2vec 对高度数节点采样更多、低度数节点采样更少。相反，div2vec 以与度数成反比的概率采样节点，使每个节点能均匀属于随机游走集合。该策略提升了推荐模型的多样性。在 MovieLens 数据集上的离线实验表明，我们的新方法在准确率与多样性两方面均提升了推荐性能。此外，我们在两个真实服务 WATCHA 与 LINE Wallet Coupon 上评估了所提模型，观察到 div2vec 通过使系统多样化改善了推荐质量。
引用
@article{arxiv.2009.09588,
title = {div2vec: Diversity-Emphasized Node Embedding},
author = {Jisu Jeong and Jeong-Min Yun and Hongi Keam and Young-Jin Park and Zimin Park and Junki Cho},
journal= {arXiv preprint arXiv:2009.09588},
year = {2020}
}
备注
To appear in the ImpactRS Workshop at ACM RecSys 2020