JSCN：面向跨域推荐的联合谱卷积网络
机器学习
2019-10-21 v1 信息检索
机器学习
摘要
跨域推荐能够缓解推荐系统中的数据稀疏问题。为了将一个领域的知识迁移到另一个领域，可以利用邻域信息或学习直接的映射函数。然而，现有方法均忽视了跨域推荐场景中的高阶连通性信息，并受限于领域不兼容问题。本文提出一种用于跨域推荐的联合谱卷积网络（JSCN）。JSCN 将在不同图上同时执行多层谱卷积，并通过领域自适应用户映射模块联合学习领域不变的用户表示。由此，谱卷积可提取高阶综合连通性信息，并通过领域不变的用户映射实现跨域信息迁移。领域自适应用户映射模块能够帮助不兼容的领域之间相互迁移知识。在 24 个 Amazon 评分数据集上的大量实验表明，JSCN 在跨域推荐中有效，与最先进（SOTA）方法相比，召回率提升 9.2%，MAP 提升 36.4%。我们的代码已在线公开 ~\footnote{https://github.com/JimLiu96/JSCN}。
引用
@article{arxiv.1910.08219,
title = {JSCN: Joint Spectral Convolutional Network for Cross Domain Recommendation},
author = {Zhiwei Liu and Lei Zheng and Jiawei Zhang and Jiayu Han and Philip S. Yu},
journal= {arXiv preprint arXiv:1910.08219},
year = {2019}
}