评论正则化神经协同过滤
信息检索
2020-09-01 v1 机器学习
机器学习
摘要
近年来，文本感知协同过滤方法被提出以应对推荐中的关键挑战，如数据稀疏、冷启动问题与长尾分布。然而，许多此类面向文本的方法严重依赖每个用户与物品文本信息的可用性，这显然在真实场景中不成立。此外，专为文本处理设计的网络结构在在线服务中效率低下，且难以集成至现有系统。本文提出一个灵活的神经推荐框架，名为评论正则化推荐（Review Regularized Recommendation，简称 R3）。它由一个专注于预测输出的神经协同过滤部分，以及一个作为正则器的文本处理部分组成。这种模块化设计在训练阶段将文本信息作为更丰富的数据源加以纳入，同时因服务时无需即时文本处理而对在线服务极为友好。我们的初步结果表明，使用简单的文本处理方法，其预测性能即可优于最先进的文本感知方法。
引用
@article{arxiv.2008.13527,
title = {Review Regularized Neural Collaborative Filtering},
author = {Zhimeng Pan and Wenzheng Tao and Qingyao Ai},
journal= {arXiv preprint arXiv:2008.13527},
year = {2020}
}