用于推荐的四元数协同过滤
信息检索
2019-06-07 v1 机器学习
摘要
本文提出四元数协同过滤（QCF），一种用于推荐的新型表示学习方法。我们提出的QCF依赖并利用四元数代数进行计算，受益于哈密顿积的表达能力和丰富的表示学习能力。基于超复数的四元数表示能够使得各虚部之间产生丰富的潜在依赖关系。这鼓励在学习用户-物品交互时捕捉复杂关系，相较于实空间内积，它作为一种强归纳偏置。总而言之，我们在六个真实世界数据集上进行了广泛实验，证明了四元数代数在推荐系统中的有效性。结果表明，QCF在所有数据集上均优于大量强大的神经基线模型。消融实验证实了基于哈密顿的组合相对于实空间中多嵌入组合的有效性。
引用
@article{arxiv.1906.02594,
title = {Quaternion Collaborative Filtering for Recommendation},
author = {Shuai Zhang and Lina Yao and Lucas Vinh Tran and Aston Zhang and Yi Tay},
journal= {arXiv preprint arXiv:1906.02594},
year = {2019}
}
备注
Accepted at IJCAI 2019