面向高阶互补推荐的逻辑推理网络
机器学习
2022-12-12 v1
摘要
互补推荐在电子商务中受到越来越多的关注，因为它加速了用户在购物过程中寻找常一起购买产品的过程。因此，学习能够反映这种互补关系的产品表示在现代推荐系统中起着核心作用。本工作中，我们提出一种逻辑推理网络 LOGIREC，以有效学习产品嵌入及其间的各种变换（投影、交、否定）。LOGIREC 能够捕捉产品间非对称的互补关系，并无缝扩展至高阶推荐，从而为查询产品集学习更全面且更有意义的互补关系。最后，我们进一步提出一个混合网络，其联合优化以学习更通用的产品表示。我们在多个公开真实世界数据集上，于低阶与高阶推荐场景下基于多种排序指标证明了 LOGIREC 的有效性。
引用
@article{arxiv.2212.04966,
title = {Towards High-Order Complementary Recommendation via Logical Reasoning Network},
author = {Longfeng Wu and Yao Zhou and Dawei Zhou},
journal= {arXiv preprint arXiv:2212.04966},
year = {2022}
}
备注
6 pages, 3 figures