Modurec：基于特征与时间调制的推荐系统
信息检索
2020-10-15 v1 机器学习
摘要
当前最先进的推荐系统算法主要基于协同过滤，其利用用户评分来发现数据中的潜在因子。遗憾的是，这些算法未能有效利用其他特征，而后者有助于解决协同过滤的两个公认问题：冷启动（新用户或新产品可用数据不足）和概念漂移（评分分布随时间变化）。为解决这些问题，我们提出 Modurec：一种基于自编码器的方法，其利用在多个领域已证明有效性的特征级调制机制来组合所有可用信息。时间信息有助于减轻概念漂移的影响，而用户与物品特征的结合可在数据稀少时提升预测性能。我们在 Movielens 数据集上表明，与基于标准自编码器的方法及其他协同过滤方法相比，这些改进在大多数评估设定下取得了最先进的结果。
引用
@article{arxiv.2010.07050,
title = {Modurec: Recommender Systems with Feature and Time Modulation},
author = {Javier Maroto and Clément Vignac and Pascal Frossard},
journal= {arXiv preprint arXiv:2010.07050},
year = {2020}
}