关于物品推荐中平均嵌入的一致性问题
信息检索
2023-08-31 v2 机器学习
机器学习
摘要
推荐系统中一种普遍做法是将物品嵌入取平均，以在同一嵌入空间中表示用户或更高层次的概念。本文研究这种做法的合理性。为此，我们提出一种期望精度分数，旨在衡量平均嵌入相对于用于构建它的物品的一致性。随后，我们在具有特定假设的理论设定下分析该分数的数学表达式，以及其在来自音乐流媒体服务的真实数据上的经验行为。我们的结果强调，真实世界的平均嵌入对于推荐而言一致性较低，这为未来研究更好地将真实嵌入与我们理论设定中的假设相对齐铺平了道路。
引用
@article{arxiv.2308.12767,
title = {On the Consistency of Average Embeddings for Item Recommendation},
author = {Walid Bendada and Guillaume Salha-Galvan and Romain Hennequin and Thomas Bouabça and Tristan Cazenave},
journal= {arXiv preprint arXiv:2308.12767},
year = {2023}
}
备注
17th ACM Conference on Recommender Systems (RecSys 2023)