MP2：一种结合逐点与成对学习的动量对比推荐方法
信息检索
2022-04-19 v1
摘要
基于深度学习的推荐算法如今大量利用二值逐点标签（亦称隐式反馈）。本文指出，这些标签有限的表达能力可能难以容纳不同程度的用户偏好，从而在模型训练过程中导致冲突，我们称之为标注偏差。为解决此问题，我们发现成对标签的软标签特性可被用来缓解逐点标签的偏差。为此，我们提出了一种动量对比框架（MP2），将逐点与成对学习结合用于推荐。MP2具有三塔网络结构：一个用户网络和两个物品网络。两个物品网络分别用于计算逐点损失与成对损失。为减轻标注偏差的影响，我们执行动量更新以保证一致的物品表示。在真实数据集上的大量实验证明了我们的方法相对于最先进推荐算法的优越性。
引用
@article{arxiv.2204.08326,
title = {MP2: A Momentum Contrast Approach for Recommendation with Pointwise and Pairwise Learning},
author = {Menghan Wang and Yuchen Guo and Zhenqi Zhao and Guangzheng Hu and Yuming Shen and Mingming Gong and Philip Torr},
journal= {arXiv preprint arXiv:2204.08326},
year = {2022}
}
备注
This paper was accepted at SIGIR 2022