每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

对比学习增强社交推荐

Created by
  • Haebom

作者

王林、王伟松、肖宣吉、李庆

大纲

本文提出了一种利用社交关系图谱来增强基于行为模型的兴趣表示的方法，以解决推荐系统中的“冷用户”问题，而这通常需要有限的数据获取。为了解决社交图中的噪声和领域不匹配问题，我们采用了双视图去噪策略（使用低秩奇异值分解 (SVD) 对社交图谱进行去噪，并对原始社交图谱和重建的社交图谱进行对比学习），并结合“相互蒸馏”技术来协调社交兴趣和行为兴趣，并分离特定兴趣。实验结果表明，该方法对冷用户尤其有效。实现代码可在 GitHub 上获取。

Takeaways, Limitations

•
Takeaways ：
◦
一种利用社交关系图来提高冷门用户推荐效果的新方法。
◦
提出了双视图去噪策略和相互蒸馏技术来解决社交图中的噪声和跨域不一致问题。
◦
通过使用真实世界的工业数据集进行实验来验证该方法的有效性。
◦
通过发布实施代码为研究的复制和传播做出贡献。
•
Limitations ：
◦
性能可能会受到社交关系图的质量（可信度、完整性）的限制。
◦
验证仅在特定行业数据集上进行，需要进一步研究普遍性。
◦
缺乏计算复杂度分析和效率提升建议
👍
Made with Slashpage