RecVAE：一种用于隐式反馈 Top-N 推荐的新变分自编码器
信息检索
2019-12-25 v1 机器学习
摘要
近期研究表明，基于深度神经网络的自动编码器在协同过滤中具有优势。特别是，最近提出的 Mult-VAE 模型使用多项似然变分自动编码器，在 Top-N 推荐中取得了优异结果。在本工作中，我们提出了推荐变分自编码器（Recommender VAE，RecVAE）模型，该模型源于我们对变分自动编码器正则化技术的研究。RecVAE 引入了若干新思路来改进 Mult-VAE，包括用于隐变量的新颖复合先验分布、为 -VAE 框架设置 超参数的新方法，以及基于交替更新的新训练方法。在实验评估中，我们表明 RecVAE 在经典协同过滤数据集上显著优于先前提出的基于自动编码器的模型（包括 Mult-VAE 和 RaCT），并给出了详细的消融研究以评估我们的新进展。代码与模型可在 https://github.com/ilya-shenbin/RecVAE 获取。
引用
@article{arxiv.1912.11160,
title = {RecVAE: a New Variational Autoencoder for Top-N Recommendations with Implicit Feedback},
author = {Ilya Shenbin and Anton Alekseev and Elena Tutubalina and Valentin Malykh and Sergey I. Nikolenko},
journal= {arXiv preprint arXiv:1912.11160},
year = {2019}
}
备注
In The Thirteenth ACM International Conference on Web Search and Data Mining (WSDM '20), February 3-7, 2020, Houston, TX, USA. ACM, New York, NY, USA, 9 pages