基于图像的个性化推荐系统中卷积自编码器的有效性研究
机器学习
2020-03-16 v1 计算机视觉与模式识别
信息检索
机器学习
摘要
推荐系统（RS）日益融入我们的日常生活，尤其自大数据时代以来，其能够存储关于用户偏好的各类信息。个性化推荐系统已成功应用于 Netflix、Amazon 或 YouTube 等平台。然而，在如 TripAdvisor 等美食平台上却未见其应用，且此类平台中我们还能找到数以百万计带有用户口味标签的图像。本文探讨了利用这些图像作为建模用户口味的信息源之潜力，并提出了一种基于图像的分类系统以获致个性化推荐，使用卷积自编码器作为特征提取器。所提架构将应用于 TripAdvisor 数据，采用可由用户、餐厅及用户所拍该餐厅图像三者构成的 triad 来定义的用户评论。由于数据集高度不平衡，实验中亦考虑了在少数类上使用数据增强。基于三种不同规模城市（Santiago de Compostela、Barcelona 和 New York）数据的结果表明，使用卷积自编码器作为特征提取器相较于用卷积神经网络计算的标准深度特征具有有效性。
引用
@article{arxiv.2003.06205,
title = {On the effectiveness of convolutional autoencoders on image-based personalized recommender systems},
author = {E. Blanco-Mallo and B. Remeseiro and V. Bolón-Canedo and A. Alonso-Betanzos},
journal= {arXiv preprint arXiv:2003.06205},
year = {2020}
}