用于标签推荐的多辅助增强协作变分自编码器
信息检索
2022-04-21 v1
摘要
为物品推荐恰当标签可促进内容组织、检索、消费及其他应用，其中混合标签推荐系统已用于整合协作信息与内容信息以获得更好推荐。本文提出一种用于标签推荐的多辅助增强协作变分自编码器（MA-CVAE），其通过定义生成过程将物品协作信息与物品多辅助信息（即内容与社交图）相耦合。具体而言，模型利用变分自编码器（VAE）从不同物品辅助信息中学习深度潜在嵌入，并通过引入由深度神经网络参数化的潜变量，形成各辅助信息上的生成分布。此外，为给新物品推荐标签，物品多辅助潜在嵌入被用作代理，通过物品解码器预测各标签的推荐概率，其中在训练阶段加入重构损失以约束经由不同辅助嵌入的反馈预测生成。另外，设计了一种归纳变分图自编码器，可在测试阶段推断新物品节点，从而为新物品利用物品社交嵌入。在MovieLens和citeulike数据集上的大量实验证明了我们方法的有效性。
引用
@article{arxiv.2204.09422,
title = {Multi-Auxiliary Augmented Collaborative Variational Auto-encoder for Tag Recommendation},
author = {Jing Yi and Xubin Ren and Zhenzhong Chen},
journal= {arXiv preprint arXiv:2204.09422},
year = {2022}
}