增强用于协同过滤的VAE：柔性先验与门控机制
机器学习
2019-11-05 v1 信息检索
机器学习
摘要
基于神经网络的协同过滤模型近来开始受到关注。其中一个研究分支是利用深度生成模型对用户偏好建模，其中变分自编码器被证明可取得最先进的性能。然而，当前用于协同过滤的变分自编码器存在一些潜在问题。其一是VAE为学习用户偏好的隐表示所采用的先验过于简单。其二是模型无法在每个网络多于一个隐藏层时学习更深层的表示。我们的目标是引入适当技术以缓解上述变分自编码器协同过滤的问题，并进一步提升推荐性能。我们的工作首次将柔性先验应用于协同过滤，并表明简单先验(原始VAE中)可能过于受限而不足以充分建模用户偏好，而设置更灵活的先验可带来显著增益。我们实验了最初为图像生成提出的VampPrior，以考察柔性先验在协同过滤中的效果。我们还表明，VampPrior与门控机制相结合，在2个流行基准数据集(MovieLens与Netflix)上以可观优势超越包括用于协同过滤的变分自编码器在内的SOTA结果。
引用
@article{arxiv.1911.00936,
title = {Enhancing VAEs for Collaborative Filtering: Flexible Priors & Gating Mechanisms},
author = {Daeryong Kim and Bongwon Suh},
journal= {arXiv preprint arXiv:1911.00936},
year = {2019}
}