HCFRec：基于归一化流与结构一致性的哈希协同过滤高效推荐方法
信息检索
2022-05-25 v1 人工智能
摘要
用户-物品交互数据规模的不断增长使得构建高效且有效的推荐系统面临挑战。近年来，基于哈希的协同过滤（Hash-CF）方法利用学习到的用户和物品二值表示的汉明距离来加速推荐。然而，Hash-CF 常面临两个难题，即离散表示的优化以及在学习表示中保留语义信息。为应对上述两个挑战，我们提出 HCFRec，一种用于高效且有效推荐的新颖 Hash-CF 方法。具体而言，HCFRec 不仅创新性地引入归一化流，通过高效拟合所提出的近似混合多元正态分布（一种连续但近似离散的分布）来学习最优哈希码，还部署了簇一致性保持机制以在表示中保留语义结构，从而实现更精准的推荐。在六个真实世界数据集上开展的广泛实验表明，HCFRec 在有效性和效率方面均优于最先进的方法。
引用
@article{arxiv.2205.12042,
title = {HCFRec: Hash Collaborative Filtering via Normalized Flow with Structural Consensus for Efficient Recommendation},
author = {Fan Wang and Weiming Liu and Chaochao Chen and Mengying Zhu and Xiaolin Zheng},
journal= {arXiv preprint arXiv:2205.12042},
year = {2022}
}