SVD-AE：面向协同过滤的简单自编码器
信息检索
2024-05-09 v1 人工智能
机器学习
摘要
协同过滤（CF）用于推荐系统的方法已被广泛研究，包括矩阵分解、基于自编码器和基于图过滤的方法。最近提出了需要几乎无需训练的轻量级方法，以减少总计算量。然而，现有方法仍有提升精度、效率和鲁棒性之间权衡的空间。特别是，目前没有为在上述权衡方面实现平衡的 CF 设计良好的闭式解研究。在本文中，我们设计了 SVD-AE，这是一种简单而有效的奇异分解（SVD）基于的线性自编码器，其闭式解可基于 SVD 用于 CF。SVD-AE 不需要迭代训练过程，其闭式解可一次性计算。此外，鉴于评分矩阵的噪声性质，我们探讨了现有 CF 方法以及我们 SVD-AE 对于此类噪声交互的鲁棒性。结果表明，我们基于截断 SVD 所做出的简单设计选择可用于在提高效率的同时加强对噪声的鲁棒性。代码已提供：https://github.com/seoyoungh/svd-ae。
引用
@article{arxiv.2405.04746,
title = {SVD-AE: Simple Autoencoders for Collaborative Filtering},
author = {Seoyoung Hong and Jeongwhan Choi and Yeon-Chang Lee and Srijan Kumar and Noseong Park},
journal= {arXiv preprint arXiv:2405.04746},
year = {2024}
}
备注
Accepted by IJCAI 2024