基于隐式反馈深度协同过滤的产品推荐系统
信息检索
2020-12-14 v2 机器学习
机器学习
摘要
在本文中，研究了几种采用潜变量方法的协同过滤（CF）方法，利用用户-物品交互来捕捉稀疏客户购买行为的重要隐藏变化。潜因子用于泛化客户的购买模式并提供产品推荐。采用神经协同过滤（NCF）的 CF 被证明在一家大型零件供应公司提供的真实专有数据集上产生了最高的归一化折损累积增益（NDCG）性能。使用贝叶斯优化（BO）测试了不同的超参数，以考察其在 CF 框架中的适用性。诸如点击数据和点击率（CTR）等外部数据源和指标被审视，作为对所呈现工作的潜在扩展。本文所示的工作提供了该公司可用于提供产品推荐以提升收入、吸引新客户并获得竞争优势的技术。
引用
@article{arxiv.2009.08950,
title = {Implicit Feedback Deep Collaborative Filtering Product Recommendation System},
author = {Karthik Raja Kalaiselvi Bhaskar and Deepa Kundur and Yuri Lawryshyn},
journal= {arXiv preprint arXiv:2009.08950},
year = {2020}
}
备注
Under Review