利用海报在冷启动场景下推荐动漫与漫画
信息检索
2017-09-08 v2 机器学习
机器学习
摘要
物品冷启动是推荐系统中的经典问题，同样影响动漫与漫画推荐。该问题可表述为：如何预测用户是否会喜欢一部仅获得社区少量评分的漫画？基于内容的技术可缓解此问题，但需额外信息，而此类信息通常获取代价高昂。本文中，我们利用深度学习技术Illustration2Vec，从漫画与动漫海报（如剑、马尾辫）中轻松提取标签信息。我们提出BALSE（Blended Alternate Least Squares with Explanation），一种协同过滤新模型，其利用该额外信息来推荐漫画。通过使用来自名为Mangaki的在线漫画推荐系统的真实数据，我们表明我们的模型显著提升了推荐质量，尤其对于冷门漫画，并能够对用户偏好提供解释。
引用
@article{arxiv.1709.01584,
title = {Using Posters to Recommend Anime and Mangas in a Cold-Start Scenario},
author = {Jill-Jênn Vie and Florian Yger and Ryan Lahfa and Basile Clement and Kévin Cocchi and Thomas Chalumeau and Hisashi Kashima},
journal= {arXiv preprint arXiv:1709.01584},
year = {2017}
}
备注
6 pages, 3 figures, 1 table, accepted at the MANPU 2017 workshop, co-located with ICDAR 2017 in Kyoto on November 10, 2017