WSFE：用于协同过滤中有效用户分段的 Wasserstein 子图特征编码器
信息检索
2023-05-09 v1
摘要
基于向量化嵌入最大化用户-物品互动是近期推荐模型的标准流程。尽管在物品推荐上性能优越，这些方法却隐式地降低了对嵌入空间中用户间相似性的建模优先级；因此，识别相似用户表现不佳，通常另需额外处理方案。为避免彻底重训模型，我们提出 WSFE，一种模型无关且无需训练的表示编码器，可灵活即时部署以实现有效用户分段。在最优传输理论支撑下，WSFE 的编码表示给出了真实空间与嵌入空间之间匹配的用户间相似性/距离度量。我们将 WSFE 纳入六个最先进推荐模型，并在六个真实数据集上开展广泛实验。实证分析充分展示了 WSFE 在推荐中赋能具不同底层目标的多个下游任务的优越性与通用性。
引用
@article{arxiv.2305.04410,
title = {WSFE: Wasserstein Sub-graph Feature Encoder for Effective User Segmentation in Collaborative Filtering},
author = {Yankai Chen and Yifei Zhang and Menglin Yang and Zixing Song and Chen Ma and Irwin King},
journal= {arXiv preprint arXiv:2305.04410},
year = {2023}
}