MvFS：面向推荐系统的多视图特征选择
信息检索
2023-09-07 v2 机器学习
摘要
特征选择作为在推荐系统中筛选关键特征的技术，已受到越来越多的研究关注。近期，自适应特征选择（AdaFS）通过为每个数据实例自适应地选择特征展现出卓越性能，考虑到给定特征字段的重要性在不同数据间可能存在显著差异。然而，该方法仍有局限，其选择过程易偏向频繁出现的主要特征。为解决这些问题，我们提出多视图特征选择（MvFS），其为每个实例更有效地筛选信息特征。最重要的是，MvFS采用由多个子网络构成的多视图网络，每个子网络学习度量具有不同特征模式的部分数据的特征重要性。借此，MvFS缓解了针对主导模式的偏置问题，并促进了更为均衡的特征选择过程。此外，MvFS采用一种有效的重要性分数建模策略，其独立应用于每个字段而不引入特征间依赖。在真实世界数据集上的实验结果证明了MvFS相较于最先进基线的有效性。
引用
@article{arxiv.2309.02064,
title = {MvFS: Multi-view Feature Selection for Recommender System},
author = {Youngjune Lee and Yeongjong Jeong and Keunchan Park and SeongKu Kang},
journal= {arXiv preprint arXiv:2309.02064},
year = {2023}
}
备注
CIKM 2023