面向跨域推荐的的用户偏好个性化迁移
信息检索
2021-12-21 v3 机器学习
摘要
冷启动问题在推荐系统中仍是一个非常具有挑战性的问题。幸运的是，冷启动用户在辅助源域中的交互可帮助目标域中的冷启动推荐。如何将用户偏好从源域迁移到目标域，是跨域推荐（CDR）中的关键问题，而 CDR 是应对冷启动问题的一个有前景的方案。大多数现有方法为所有用户建模一个公共的偏好桥以迁移偏好。直观上，由于偏好因人而异，不同用户的偏好桥应当不同。沿着这一思路，我们提出一个名为面向跨域推荐的用户偏好个性化迁移（PTUPCDR）的新框架。具体而言，学习一个以用户特征嵌入为输入的元网络，以生成个性化桥函数，从而实现每个用户的偏好个性化迁移。为稳定学习该元网络，我们采用一种面向任务的优化过程。借助元生成的个性化桥函数，用户在源域的偏好嵌入可被转换到目标域，且转换后的用户偏好嵌入可用作目标域中冷启动用户的初始嵌入。利用大型真实世界数据集，我们进行了广泛实验以评估 PTUPCDR 在冷启动与暖启动阶段的有效性。代码已公开于 https://github.com/easezyc/WSDM2022-PTUPCDR。
引用
@article{arxiv.2110.11154,
title = {Personalized Transfer of User Preferences for Cross-domain Recommendation},
author = {Yongchun Zhu and Zhenwei Tang and Yudan Liu and Fuzhen Zhuang and Ruobing Xie and Xu Zhang and Leyu Lin and Qing He},
journal= {arXiv preprint arXiv:2110.11154},
year = {2021}
}
备注
Accepted by WSDM 2022