基于社交探索注意力的内容分发平台推荐
社会与信息网络
2020-12-10 v1
摘要
在现代社交媒体平台中，有效的内容推荐应既让创作者获得切实收益，又帮助消费者获取真正感兴趣的内容。为解决现有社交推荐方法的局限，我们提出社交探索注意力网络（SEAN），一种利用个性化内容推荐模型以鼓励由个人兴趣驱动的推荐的社交推荐框架。SEAN 有两个版本：(1) SEAN-END2END 允许用户注意力向量关注文档中其个性化兴趣点。(2) SEAN-KEYWORD 从用户历史阅读中提取关键词以捕捉其长期兴趣。它比第一版快得多，更适于实际使用，而 SEAN-END2END 更有效。两个版本均允许个性化因子关注社交网络上用户的高阶好友，以提升推荐结果的准确性与多样性。我们从流行的去中心化内容分发平台 Steemit 构建了英语与西班牙语两种语言的两个数据集，将 SEAN 模型与最先进的协同过滤（CF）与基于内容的推荐方法比较。实验结果在推荐公平性的基尼系数与推荐准确性的 F1 分数两方面均证明了 SEAN 的有效性。
引用
@article{arxiv.2012.04945,
title = {Social Explorative Attention based Recommendation for Content Distribution Platforms},
author = {Wenyi Xiao and Huan Zhao and Haojie Pan and Yangqiu Song and Vincent W. Zheng and Qiang Yang},
journal= {arXiv preprint arXiv:2012.04945},
year = {2020}
}
备注
This journal is accepted by Dada Mining and Knowledge. arXiv admin note: substantial text overlap with arXiv:1905.11900