MIMNet：面向跨域推荐的多兴趣元网络与多粒度目标引导注意力
信息检索
2024-08-02 v1
摘要
跨域推荐 (CDR) 在缓解稀疏性和冷启动问题方面发挥着关键作用，显著提升推荐系统的性能。现有 CDR 方法倾向于学习所有用户共享的通用偏好桥梁，或为每个用户量身定制的个人化偏好桥梁，以将用户偏好从源域迁移到目标域。尽管这些方法显著提高了推荐性能，但仍存在一些局限性。首先，这些方法通常假设用户仅有一个唯一的兴趣，忽视用户可能对不同兴趣偏好的事实。其次，它们主要依赖源域信号来学习变换后的偏好表示，忽略目标域中丰富的信息。为处理这些问题，本文提出一种新方法，称为多兴趣元网络与多粒度目标引导注意力 (MIMNet)，用于跨域推荐。具体而言，我们采用胶囊网络在源域学习用户的多兴趣，这些兴趣将输入到元网络中生成多个兴趣级别的偏好桥梁。随后，基于这些多兴趣桥梁将用户表示从源域迁移到目标域。此外，我们引入细粒度和粗粒度目标信号，通过融合新颖的多粒度目标引导注意力网络来聚合用户变换后的兴趣级别表示。我们在三个真实世界的 CDR 任务上进行了广泛实验，结果表明，我们提出的方法 MIMNet 在所有基线方法中均表现出色。MIMNet 的源代码已发布于 https://github.com/marqu22/MIMNet。
引用
@article{arxiv.2408.00038,
title = {MIMNet: Multi-Interest Meta Network with Multi-Granularity Target-Guided Attention for Cross-domain Recommendation},
author = {Xiaofei Zhu and Yabo Yin and Li Wang},
journal= {arXiv preprint arXiv:2408.00038},
year = {2024}
}