基于身份的推荐的共同进化向量量化
摘要：通过对类别信息的学习和生成，可以提高推荐的质量和个性化程度。然而，在基于ID的推荐中，物品的类别信息并不一直存在。在这项工作中，我们提出了一种替代方法，用于自动学习和生成实体(即用户和物品)在不同粒度级别上的类别信息，特别是针对基于ID的推荐。具体来说，我们设计了一个共演进量化向量框架，即COVE，它能够从随机初始化的状态开始，以端到端的方式同时学习和优化码表示和实体嵌入。由于其高度的适应性，COVE可以轻松集成到现有的推荐模型中。我们通过不同的推荐模型，在各种推荐任务中验证了COVE的有效性，包括列表补全、协同过滤和点击率预测。我们将发布代码和数据，以供其他研究人员复现我们的工作。
作者：Qijiong Liu, Jiaren Xiao, Lu Fan, Jieming Zhu, Xiao-Ming Wu
论文ID：2308.16761
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-09-01