基于堆叠嵌入的卷积神经协同滤波
刘翰、吴海龙、南湖、区滨滨
第十一届亚洲机器学习会议记录,PMLR 101:726-7412019年。
摘要
推荐系统在保持人们参与在线服务方面发挥着重要作用,而协同过滤是推荐的主要技术。随着深度学习的巨大影响,人们对将其应用于协同过滤越来越感兴趣。然而,现有的方法应用了不同的方法来学习用户-项目交互功能,大多数方法在建模用户-项目相关性时都有局限性,因为它们忽略了原始的用户-项目信息和大规模的嵌入。在这项工作中,我们提出了一种新的神经协同过滤结构——堆叠嵌入卷积神经协同过滤(SECNCF)。其思想是通过堆叠嵌入来创建一个履带,这些嵌入由用户嵌入、项目嵌入和潜在因素组成。我们在履带层上应用卷积神经网络(CNN)来捕获维度相关性的局部特征。该方法能够很好地提取嵌入的丰富局部维相关性,并且对于建模用户-项目交互具有可扩展性。在三个公共可访问数据集上的大量实验表明,我们的方法比最先进的方法有了显著的改进。
引用本文
相关材料