面向化学化合物的混合语义推荐系统
信息检索
2020-01-22 v1
摘要
向特定研究者推荐其感兴趣的化学化合物是一个鲜有探索的领域。少数包含研究者偏好信息的现有数据集使用隐式反馈。该特定领域推荐系统的缺乏，对新推荐模型的发展提出了挑战。本工作中，我们提出一种用于推荐化学化合物的混合推荐模型。该模型集成了针对隐式反馈的协同过滤算法（交替最小二乘（ALS）与贝叶斯个性化排序（BPR））以及ChEBI本体（ONTO）中化学化合物间的语义相似度。我们在化学化合物的隐式数据集CheRM上评估了该模型。该混合模型能够改进最先进的协同过滤算法的结果，尤其在平均倒数排名上，协同过滤ALS与混合ALS_ONTO相比提升了6.7%。
引用
@article{arxiv.2001.07440,
title = {Hybrid Semantic Recommender System for Chemical Compounds},
author = {Marcia Barros and André Moitinho and Francisco M. Couto},
journal= {arXiv preprint arXiv:2001.07440},
year = {2020}
}
备注
8 pages, 3 figures, accepted as short-paper to the 42nd European Conference on Information Retrieval (ECIR), Lisbon 2020