Transformer赋能的感知内容协同过滤
信息检索
2022-04-05 v1
摘要
基于知识图谱（KG）的协同过滤是一种有效的推荐系统个性化方法，适用于电影和书籍等相对静态领域，其利用KG中的结构化信息来丰富物品与用户表示。受基于内容的过滤推荐系统中使用Transformer理解丰富文本的启发，我们提出感知内容KG增强元偏好网络，作为一种基于KG结构化信息以及基于Transformer赋能的基于内容过滤的非结构化内容特征来增强协同过滤推荐的方式。为此，我们采用一种新颖的训练方案——跨系统对比学习，以解决两个差异显著系统间的不一致，并在该建模框架下提出了一个强大的协同过滤模型及知名NRMS系统的一个变体。我们还通过构建大规模电影知识图谱数据集，以及通过并入从外部来源爬取的文本描述扩展已公开的Amazon-Book数据集，对公共资源作出贡献。我们给出的实验结果表明，用基于内容过滤导出的基于Transformer的特征增强协同过滤优于强基线系统，提升了基于知识图谱的协同过滤系统利用物品内容信息的能力。
引用
@article{arxiv.2204.00849,
title = {Transformer-Empowered Content-Aware Collaborative Filtering},
author = {Weizhe Lin and Linjun Shou and Ming Gong and Pei Jian and Zhilin Wang and Bill Byrne and Daxin Jiang},
journal= {arXiv preprint arXiv:2204.00849},
year = {2022}
}