基于评论的域解缠：无重复用户或上下文的跨域推荐
信息检索
2023-04-13 v3 人工智能
摘要
跨域推荐在解决数据稀疏和冷启动问题上已展现出可喜成果。尽管取得了这些进展，现有方法仍聚焦于可跨域共享的信息（重叠用户或相同上下文）以实现知识迁移，且在缺乏此类条件时泛化不佳。为解决这些问题，我们建议利用对大多数电商系统具有通用性的评论文本。我们的模型（命名为 SER）使用三个文本分析模块，由单一域判别器引导以进行解缠表示学习。在此，我们提出一种新颖的优化策略，可提升域解缠的质量，并削弱源域中的有害信息。此外，我们将编码网络从单域扩展至多域，已证明其对基于评论的推荐系统十分有效。大量实验与消融研究证明，相较于最先进的单域与跨域推荐方法，我们的方法高效、鲁棒且可扩展。
引用
@article{arxiv.2110.12648,
title = {Review-Based Domain Disentanglement without Duplicate Users or Contexts for Cross-Domain Recommendation},
author = {Yoonhyuk Choi and Jiho Choi and Taewook Ko and Hyungho Byun and Chong-Kwon Kim},
journal= {arXiv preprint arXiv:2110.12648},
year = {2023}
}
备注
Proceedings of the 31st ACM International Conference on Information & Knowledge Management