序列、物品与隐式链接：基于已消费物品包的推荐
信息检索
2017-12-11 v2 社会与信息网络
机器学习
摘要
推荐系统通常通过协同过滤利用显式反馈（如评分）来关联用户（或物品）以实现网页内容个性化。收集此类反馈的困难近来促使人们考虑隐式反馈（如物品消费及其对应时间）。本文引入已消费物品包（CIP）的概念，其能够基于用户（或物品）的隐式类比消费行为建立关联。我们的方案具有通用性，并表明其涵盖了三种新颖的隐式推荐器：基于用户的（CIP-U）、基于物品的（CIP-I）以及基于词嵌入的（DEEPCIP），同时还包括一种使用隐式反馈的先进方法（FISM）。我们展示了我们的推荐器能够处理增量更新以纳入新近消费的物品。我们证明这三种推荐器所提供的推荐质量均与最先进方法（包括一种同时结合显式与隐式反馈的方法）具有竞争力。
引用
@article{arxiv.1711.06100,
title = {Sequences, Items And Latent Links: Recommendation With Consumed Item Packs},
author = {Rachid Guerraoui and Erwan Le Merrer and Rhicheek Patra and Jean-Ronan Vigouroux},
journal= {arXiv preprint arXiv:1711.06100},
year = {2017}
}
备注
12 pages