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

BibTeX公司
@会议记录{pmlr-v101-han19a，title={堆积嵌入的卷积神经协同过滤}，作者={韩、刘、吴、海龙、胡、南、曲、宾}，booktitle={第十一届亚洲机器学习会议论文集}，页数={726--741}，年份={2019}，editor={Lee，Wee Sun和Suzuki，Taiji}，体积={101}，series={机器学习研究论文集}，月={11月17日--19日}，publisher={PMLR}，pdf={http://proceedings.mlr.press/v101/han19a/han19a.pdf},url={https://proceedings.mlr.press/v101/han19a.html},abstract={推荐系统在保持人们参与在线服务方面发挥着重要作用，协作过滤是推荐的主要技术。随着深度学习的巨大影响，人们越来越感兴趣将其应用于协作过滤。现有的方法采用了不同的方法来学习用户-项目交互函数，但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-项目信息和大量的嵌入。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。}}
尾注
%0会议论文%具有堆叠嵌入的T卷积神经协作滤波%A刘涵%吴海龙%阿楠湖%曲彬彬%第十一届亚洲机器学习会议论文集%C机器学习研究进展%D 2019年%E Wee Sun Lee先生%E铃木太极拳%F pmlr-v101-han19a型%我PMLR%电话726--741%U型https://proceedings.mlr.press/v101/han19a.html%101伏%X推荐系统在保持人们参与在线服务方面发挥着重要作用，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。
亚太地区
Han，L.，Wu，H.，Hu，N.&Qu，B..（2019年）。具有堆叠嵌入的卷积神经协同滤波。第十一届亚洲机器学习会议记录，英寸机器学习研究进展101:726-741可从https://proceedings.mlr.press/v101/han19a.html。

相关材料