面向高效跨市场推荐的感知市场模型
信息检索
2023-03-20 v1 人工智能
摘要
我们考虑跨市场推荐 (CMR) 任务，其利用来自更丰富辅助源市场的数据，在低资源目标市场中进行推荐。先前 CMR 的工作利用元学习来提升目标市场的推荐性能；然而元学习可能复杂且资源密集。在本文中，我们提出感知市场 (MA) 模型，其通过市场嵌入直接对市场建模，而非跨市场元学习。这些嵌入将物品表示转换为市场特定表示。我们的实验凸显了 MA 模型在单目标-源市场的成对设定以及同步在所有市场上训练的全局模型中的有效性与高效性。在前一种成对设定中，MA 模型在 nDCG@10 上有 85% 的情况平均优于无市场感知模型，同时时间高效——与元学习模型相比，MA 模型仅需 15% 的训练时间。在全局设定中，MA 模型对某些市场持续优于无市场感知模型，同时对除一个市场外的所有市场优于基于元学习的方法。我们得出结论：MA 模型是元学习的一种高效且有效的替代方案，尤其在全局设定中。
引用
@article{arxiv.2302.07130,
title = {Market-Aware Models for Efficient Cross-Market Recommendation},
author = {Samarth Bhargav and Mohammad Aliannejadi and Evangelos Kanoulas},
journal= {arXiv preprint arXiv:2302.07130},
year = {2023}
}