基于信任的协同过滤中图嵌入的实证比较
社会与信息网络
2021-02-02 v2 信息检索
机器学习
神经与进化计算
摘要
本工作中，我们研究图嵌入在基于信任的协同过滤中生成潜在用户表示的效用。在冷启动设定下，我们在三个公开数据集上评估了来自四个方法族的方法：(i) 基于分解的，(ii) 基于随机游走的，(iii) 基于深度学习的，以及 (iv) 大规模信息网嵌入（LINE）方法。我们发现，在这四个族中，基于随机游走的方法一致取得最佳精度。此外，它们带来了高新颖性与多样性的推荐。进一步，我们的结果表明，在基于信任的协同过滤中使用图嵌入显著提升了用户覆盖率。
引用
@article{arxiv.2003.13345,
title = {Empirical Comparison of Graph Embeddings for Trust-Based Collaborative Filtering},
author = {Tomislav Duricic and Hussain Hussain and Emanuel Lacic and Dominik Kowald and Denis Helic and Elisabeth Lex},
journal= {arXiv preprint arXiv:2003.13345},
year = {2021}
}
备注
10 pages, Accepted as a full paper on the 25th International Symposium on Methodologies for Intelligent Systems (ISMIS'20)