用于冷启动推荐的联合训练胶囊网络
信息检索
2020-05-26 v1 机器学习
摘要
本文提出了一种新颖的神经网络，即联合训练胶囊网络（JTCN），用于冷启动推荐任务。我们提出基于新用户的辅助信息来模拟其高层用户偏好，而非原始的交互历史。具体来说，提出了一种注意力胶囊层，通过动态路由协议机制从低层交互历史中聚合高层用户偏好。此外，JTCN 以端到端的方式联合训练用于模拟用户偏好的损失和用于推荐的 softmax 损失。在两个公开可用数据集上的实验证明了所提模型的有效性。在冷启动推荐中，就 Recall@100 指标而言，JTCN 在 CiteULike 上比其他最先进方法至少提高了 7.07%，在 Amazon 上至少提高了 16.85%。
引用
@article{arxiv.2005.11467,
title = {Joint Training Capsule Network for Cold Start Recommendation},
author = {Tingting Liang and Congying Xia and Yuyu Yin and Philip S. Yu},
journal= {arXiv preprint arXiv:2005.11467},
year = {2020}
}
备注
Accepted by SIGIR'20