从评论中学习分布式表示用于协同过滤
机器学习
2018-06-20 v1 机器学习
摘要
近期工作表明，基于协同过滤的推荐系统可通过引入自然语言评论等辅助信息来正则化所推导的产品表示，从而得以改进。受该方法成功的启发，我们引入了两种不同的评论模型并研究它们对协同过滤性能的影响。此前最先进的方法基于评论的潜在狄利克雷分配（LDA）模型，而我们探索的模型基于神经网络：词袋专家乘积模型和循环神经网络。我们证明，专家乘积模型所提供的更强灵活性使其能够在 Amazon 评论数据集上达到最先进的性能，优于基于 LDA 的方法。然而有趣的是，循环神经网络所提供的更强建模能力似乎削弱了该书作为产品表示正则化器的能力。
引用
@article{arxiv.1806.06875,
title = {Learning Distributed Representations from Reviews for Collaborative Filtering},
author = {Amjad Almahairi and Kyle Kastner and Kyunghyun Cho and Aaron Courville},
journal= {arXiv preprint arXiv:1806.06875},
year = {2018}
}
备注
Published in RecSys 2015 conference