用于缓解 Top-K 推荐中数据稀疏性的伪隐式反馈
信息检索
2019-01-07 v1 社会与信息网络
摘要
我们提出 PsiRec，一种新颖的用户偏好传播推荐器，它引入伪隐式反馈以丰富原始的稀疏隐式反馈数据集。PsiRec 的三个独特特征是：(i) 它将用户-物品交互视为二部图，并从该视角建模伪隐式反馈；(ii) 其基于随机游走的方法从该二部图中提取图结构信息，以估计伪隐式反馈；(iii) 它采用受 Skip-gram 启发的伪隐式反馈置信度度量，捕捉用户与物品之间的点互信息。该伪隐式反馈最终被纳入一个新的隐因子模型，以在极度稀疏情况下估计用户偏好。与最先进的协同去噪自编码器相比，PsiRec 在 Precision@10 和 Recall@10 上分别实现了 21.5% 和 22.7% 的提升。我们的实现可在 https://github.com/heyunh2015/PsiRecICDM2018 获取。
引用
@article{arxiv.1901.00597,
title = {Pseudo-Implicit Feedback for Alleviating Data Sparsity in Top-K Recommendation},
author = {Yun He and Haochen Chen and Ziwei Zhu and James Caverlee},
journal= {arXiv preprint arXiv:1901.00597},
year = {2019}
}
备注
Accepted by ICDM'18 as a short paper