自动无监督学习用于推荐
摘要：自动协同过滤(AutoCF)是一种统一的自动推荐数据增强方法，用于改善有限标记数据的表示质量。该方法采用生成自监督学习框架，并结合可学习的数据增强范式来提高自监督信号的自动提取能力。为了增强表示判别能力，我们设计了掩码图自编码器，并通过重构掩码子图结构来聚合全局信息。在推荐产品、场所和位置的几个公共数据集上进行了实验和消融研究。结果表明，AutoCF相对于各种基准方法具有优越性能。我们在https://github.com/HKUDS/AutoCF上发布了模型实现。
作者：Lianghao Xia, Chao Huang, Chunzhen Huang, Kangyi Lin, Tao Yu and Ben Kao
论文ID：2303.07797
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-03-22