Turbo-CF：无矩阵分解的快速图过滤协同过滤
信息检索
2024-04-23 v1 人工智能
信息论
机器学习
社会与信息网络
math.IT
摘要
基于图过滤(图过滤，GF)的协同过滤(CF)方法一系列研究展示了在不进行训练过程的情况下使用低通滤波器(LPF)即可实现领先的推荐准确性。然而，传统的GF-based CF方法大多通过对物品-物品相似图进行矩阵分解来实现理想的LPF，这导致计算成本高昂，在需要快速推荐的场景中显得不够实用。本文提出Turbo-CF，这是一种既无训练又无矩阵分解的GF-based CF方法。Turbo-CF采用多项式图滤波器以规避昂贵的矩阵分解问题，从而充分利用现代计算机硬件组件(如GPU)。具体而言，Turbo-CF首先构建一个边权有效调节的物品-物品相似图，然后设计我们的多项式LPF以在无显式矩阵分解的情况下仅保留低频信号。我们证明Turbo-CF既快速又准确，在真实基准数据集上运行时间不足1秒，同时实现与最佳竞争方法相当的推荐准确性。
引用
@article{arxiv.2404.14243,
title = {Turbo-CF: Matrix Decomposition-Free Graph Filtering for Fast Recommendation},
author = {Jin-Duk Park and Yong-Min Shin and Won-Yong Shin},
journal= {arXiv preprint arXiv:2404.14243},
year = {2024}
}
备注
5 pages, 4 figures, 4 tables; 47th International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR 2024) (to appear) (Please cite our conference version.)