UPRec：面向推荐系统的用户感知预训练
信息检索
2021-02-23 v1
摘要
现有序列推荐方法依赖大量训练数据，通常受数据稀疏问题困扰。为此，预训练机制被广泛采用，其试图利用大规模数据执行自监督学习，并将预训练参数迁移至下游任务。然而，以往面向推荐的预训练模型侧重于从用户行为序列与物品信息中利用通用序列模式，却忽略了利用异构用户信息捕捉个性化兴趣，而后者已被证明有助于个性化推荐。本文提出一种利用异构用户信息增强预训练模型的方法，称为面向推荐的用户感知预训练（UPRec）。具体而言，UPRec 利用用户属性与结构化社交图在预训练阶段构建自监督目标，并提出两项用户感知预训练任务。在多个真实大规模推荐数据集上的综合实验结果表明，UPRec 能有效将用户信息整合进预训练模型，从而为用户提供更合适的推荐。
引用
@article{arxiv.2102.10989,
title = {UPRec: User-Aware Pre-training for Recommender Systems},
author = {Chaojun Xiao and Ruobing Xie and Yuan Yao and Zhiyuan Liu and Maosong Sun and Xu Zhang and Leyu Lin},
journal= {arXiv preprint arXiv:2102.10989},
year = {2021}
}
备注
This paper has been submitted to IEEE TKDE