基于对比多兴趣的微视频推荐改进方法
信息检索
2022-05-20 v1
摘要
随着微视频创作者和观看者的快速增长，如何从大量候选中为观看者进行个性化推荐开始吸引越来越多的关注。然而，现有微视频推荐模型依赖昂贵的多模态信息，并学习一个整体兴趣嵌入，无法反映用户对微视频的多种兴趣。近来，对比学习为改进现有推荐技术提供了新机遇。因此，本文提出提取对比多兴趣并设计微视频推荐模型CMI。具体而言，CMI从用户的历史交互序列中学习每个用户的多个兴趣嵌入，其中利用隐式正交的微视频类别来解耦用户的多种兴趣。此外，它建立对比多兴趣损失以提升兴趣嵌入的鲁棒性与推荐性能。在两个微视频数据集上的实验结果表明，CMI相对于现有基线取得了最先进的性能。
引用
@article{arxiv.2205.09593,
title = {Improving Micro-video Recommendation via Contrastive Multiple Interests},
author = {Beibei Li and Beihong Jin and Jiageng Song and Yisong Yu and Yiyuan Zheng and Wei Zhuo},
journal= {arXiv preprint arXiv:2205.09593},
year = {2022}
}