更好地理解协同过滤损失函数
信息检索
2023-10-31 v2 人工智能
机器学习
摘要
协同过滤（CF）是现代推荐系统中的关键技术。CF 模型的学习过程通常包含三个组件：交互编码器、损失函数和负采样。尽管许多现有研究提出了各种 CF 模型以设计复杂的交互编码器，近期工作表明仅重新设计损失函数即可获得显著性能提升。本文深入分析现有损失函数之间的关系。我们的数学分析揭示，先前的损失函数可解释为对齐与均匀性函数：(i) 对齐匹配用户与物品表示，(ii) 均匀性分散用户与物品分布。受此启发，我们提出一种考虑数据集独特模式的新型损失函数，称为边缘感知对齐与加权均匀性（MAWU）。MAWU 的关键新颖性有两点：(i) 边缘感知对齐（MA）缓解用户/物品特定的流行度偏差，(ii) 加权均匀性（WU）调整用户与物品均匀性之间的重要性以反映数据集的固有特征。大量实验结果表明，在三个公开数据集上，配备 MAWU 的 MF 和 LightGCN 可与采用各种损失函数的 SOTA CF 模型媲美或更优。
引用
@article{arxiv.2308.06091,
title = {Toward a Better Understanding of Loss Functions for Collaborative Filtering},
author = {Seongmin Park and Mincheol Yoon and Jae-woong Lee and Hogun Park and Jongwuk Lee},
journal= {arXiv preprint arXiv:2308.06091},
year = {2023}
}
备注
Accepted by CIKM 2023