VRConvMF：用于电影推荐的视觉循环卷积矩阵分解
信息检索
2022-02-22 v1 计算机视觉与模式识别
机器学习
摘要
用户到项目的评分数据稀疏性成为推荐系统中的挑战性问题之一，严重恶化了推荐性能。幸运的是，上下文感知推荐系统可以通过利用一些辅助信息（例如用户和项目的信息）来缓解稀疏性问题。特别是，项目的视觉信息（如电影海报）可被视为项目描述文档的补充，有助于获取更多项目特征。本文关注电影推荐系统，提出一种基于概率矩阵分解的推荐方案，称为视觉循环卷积矩阵分解（VRConvMF），它利用分别从描述性文本和海报中提取的文本和多层次视觉特征。我们实现了所提出的VRConvMF，并在三个常用的真实世界数据集上进行了大量实验以验证其有效性。实验结果表明，所提出的VRConvMF优于现有方案。
引用
@article{arxiv.2202.10241,
title = {VRConvMF: Visual Recurrent Convolutional Matrix Factorization for Movie Recommendation},
author = {Zhu Wang and Honglong Chen and Zhe Li and Kai Lin and Nan Jiang and Feng Xia},
journal= {arXiv preprint arXiv:2202.10241},
year = {2022}
}