WSFE: Wasserstein子图特征编码器用于协同过滤中的有效用户分割
摘要：基于向量化嵌入最大化用户-物品互动是最近推荐模型的标准流程。尽管这些方法在物品推荐方面表现出色，但它们在嵌入空间中隐含地降低了对用户相似性建模的重要性；因此，识别相似用户的性能较差，通常需要额外的处理方案。为了避免彻底重新训练模型，我们提出了WSFE，一种与模型无关且无需训练的表示编码器，可灵活地在用户分割中使用。基于最优传输理论支持，WSFE的编码表示在现实空间和嵌入空间之间提供了匹配的用户相似性/距离度量。我们将WSFE融入六种最先进的推荐模型，并在六个真实世界数据集上进行了大量实验。实证分析充分证明了WSFE在推荐中为多个底层目标提供动力的卓越性和通用性。
作者：Yankai Chen and Yifei Zhang and Menglin Yang and Zixing Song and Chen Ma and Irwin King
论文ID：2305.04410
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-05-09