基于共享实体的神经跨域协同过滤
信息检索
2019-07-22 v1 机器学习
机器学习
摘要
跨域协同过滤（CDCF）通过利用来自相关领域的知识，为缓解推荐系统中存在的数据稀疏和冷启动问题提供了一种途径。现有的 CDCF 模型要么基于矩阵分解，要么基于深度神经网络。任一技术单独使用都可能使预测任务性能次优。此外，现有多数模型尤其在应对领域间多样性以及学习实体（用户/物品）域内与跨域间存在的复杂非线性关系方面面临挑战。在这项工作中，我们提出一个端到端神经网络模型——NeuCDCF，以在跨域设定下应对这些挑战。更重要的是，NeuCDCF 遵循宽深框架，并从矩阵分解与深度神经网络中联合学习表示。我们在四个真实世界数据集上进行了实验，并证明我们的模型优于最先进的 CDCF 模型。
引用
@article{arxiv.1907.08440,
title = {Neural Cross-Domain Collaborative Filtering with Shared Entities},
author = {Vijaikumar M and Shirish Shevade and M N Murty},
journal= {arXiv preprint arXiv:1907.08440},
year = {2019}
}
备注
10 pages, 5 figures