NeuRec：面向个性化排序的非线性变换方法
信息检索
2018-07-12 v3
摘要
建模用户-物品交互模式是个性化推荐中的一项重要任务。许多推荐系统基于用户与物品之间存在线性关系的假设，却忽视了现实历史交互的复杂性与非线性。本文提出一种基于神经网络推荐的模型（NeuRec），该模型厘清了用户-物品交互的复杂性，并建立一个集成网络将非线性变换与隐因子相结合。我们进一步设计了 NeuRec 的两种变体：基于用户的 NeuRec 和基于物品的 NeuRec，侧重于交互矩阵的不同方面。在四个真实世界数据集上的大量实验表明了它们在个性化排序任务上的优越性能。
引用
@article{arxiv.1805.03002,
title = {NeuRec: On Nonlinear Transformation for Personalized Ranking},
author = {Shuai Zhang and Lina Yao and Aixin Sun and Sen Wang and Guodong Long and Manqing Dong},
journal= {arXiv preprint arXiv:1805.03002},
year = {2018}
}
备注
Accepted at IJCAI 2018