面向社交推荐系统的序数图伽马信念网络
信息检索
2022-09-13 v1 机器学习
摘要
为构建不仅考虑以序数变量表示的用户-物品交互,而且利用描述用户间关系的社交网络的推荐系统,我们提出了一种称为序数图因子分析(OGFA)的层次贝叶斯模型,其联合建模用户-物品与用户-用户交互。OGFA 不仅取得良好的推荐性能,还提取出对应于代表性用户偏好的可解释潜在因子。我们进一步将 OGFA 扩展为序数图伽马信念网络,这是一种在多语义层级捕捉用户偏好与社交社群的多随机层深度概率模型。为高效推断,我们开发了并行混合 Gibbs-EM 算法,其利用图的稀疏性并可扩展至大型数据集。实验结果表明,所提模型在具有显式或隐式反馈的推荐数据集上不仅优于近期基线,还提供了可解释的潜在表示。
引用
@article{arxiv.2209.05106,
title = {Ordinal Graph Gamma Belief Network for Social Recommender Systems},
author = {Dongsheng Wang and Chaojie Wang and Bo Chen and Mingyuan Zhou},
journal= {arXiv preprint arXiv:2209.05106},
year = {2022}
}