基于概率语义聚合的神经群体推荐
摘要：为用户群组提供推荐是推荐系统中具有挑战性的一个子领域。其关键概念是如何以及在哪里将每组用户信息聚合成为一个独立的实体，如排名推荐列表、虚拟用户或多热输入向量编码。本文提出了一种创新策略，在多热向量中进行聚合，以提供概率语义，并将结果输入向量供神经网络模型使用，该模型可以方便地从个体预测中推广到群组推荐。此外，使用所提出的架构，可以通过将个体评分直接输入预训练模型来获得群组推荐，无需获取包含用户群组信息的数据集，也无需运行两个单独的训练（个体和群组）。这种方法还避免了维护两个不同的模型来支持个体和群组学习。实验证明，所提出的架构在三个代表性的协同过滤数据集和一系列基准测试中，相比最先进方法能够提供适当的准确度改进。
作者：Jorge Due~nas-Ler''in and Ra''ul Lara-Cabrera and Fernando Ortega and Jes''us Bobadilla
论文ID：2303.07001
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-03-14