用于引文与主题标签推荐的多模态对抗自编码器
信息检索
2019-07-30 v1 机器学习
机器学习
摘要
我们提出用于推荐的多模态对抗自编码器，并在两项不同任务上评估：引文推荐与主题标签推荐。我们分析了对抗正则化、稀疏性以及不同输入模态的影响。通过进行408次实验，我们表明对抗正则化持续提升了自编码器在推荐中的性能。然而，我们证明两项任务在条目共现语义上存在差异：引文情形下条目共现类似相关性，而主题标签情形下则意味着多样性。我们的结果显示，仅当条目共现类似相关性时，以提供部分条目集作为输入才是有帮助的。因此，面对新的推荐任务时，考虑条目共现的语义以选择合适的模型至关重要。
引用
@article{arxiv.1907.12366,
title = {Multi-Modal Adversarial Autoencoders for Recommendations of Citations and Subject Labels},
author = {Lukas Galke and Florian Mai and Iacopo Vagliano and Ansgar Scherp},
journal= {arXiv preprint arXiv:1907.12366},
year = {2019}
}
备注
Published in: UMAP '18 Proceedings of the 26th Conference on User Modeling, Adaptation and Personalization Pages 197-205