交互式图卷积滤波
信息检索
2023-09-06 v1 人工智能
摘要
交互式推荐系统（IRS）已日益应用于个性化文章推荐、社交媒体和在线广告等多个领域。然而，IRS在有限观测下提供准确推荐面临重大挑战，尤其在交互式协同过滤场景中。冷启动问题与数据稀疏问题进一步加剧了这些困难。现有的多臂老虎机方法尽管设计了精细的探索策略，常因缺乏交互数据而在早期阶段难以给出满意结果。此外，这些方法应用于非线性模型时计算上难以处理，限制了其适用性。为应对这些挑战，我们提出一种新方法——交互式图卷积滤波模型。该方法将交互式协同过滤扩展至图模型，以增强用户与物品间协同过滤的性能。我们引入变分推断技术以克服非线性模型带来的计算障碍。进一步，我们采用贝叶斯元学习方法有效解决冷启动问题，并推导出所提方法的理论后悔界，从而确保鲁棒的性能保证。在三个真实世界数据集上的大量实验结果验证了我们的方法，并证明其优于现有基线。
引用
@article{arxiv.2309.01453,
title = {Interactive Graph Convolutional Filtering},
author = {Jin Zhang and Defu Lian and Hong Xie and Yawen Li and Enhong Chen},
journal= {arXiv preprint arXiv:2309.01453},
year = {2023}
}