MARec: 面向冷启动推荐的元数据对齐
信息检索
2024-12-12 v3 系统与控制
系统与控制
摘要
对于许多推荐系统，主要数据源是用户点击的历史记录。关联的点击矩阵通常非常稀疏，因为用户数×产品数可能远大于点击次数。这种稀疏性在冷启动设置中更为突出，这使得元数据信息的有效利用至关重要。在这项工作中，我们提出了一种简单的方法，通过利用内容元数据来解决冷启动推荐，即冷启动推荐的元数据对齐。我们表明，该方法可以很容易地增强现有的矩阵分解和自编码器方法，从而在更热门的设置中平滑过渡到顶级算法。我们的实验结果表明了三个独立的贡献：首先，我们表明我们提出的框架在4个具有不同稀疏性和规模特征的冷启动数据集上大幅击败了SOTA结果，在报告的排名指标上增益从+8.4%到+53.8%；其次，我们提供了关于语义特征实用性的消融研究，并证明了利用这些特征获得的额外增益在+46.8%到+105.5%之间；第三，我们的方法在结构上在热门设置中具有高度竞争力，我们提出了一种闭式解，其平均性能仅比SOTA结果低0.8%。
引用
@article{arxiv.2404.13298,
title = {MARec: Metadata Alignment for cold-start Recommendation},
author = {Julien Monteil and Volodymyr Vaskovych and Wentao Lu and Anirban Majumder and Anton van den Hengel},
journal= {arXiv preprint arXiv:2404.13298},
year = {2024}
}