您现在的位置是:首页 > 人工智能人工智能
WSDM 2022 | 中科院、腾讯、北航提出:跨领域推荐中的个性化迁移用户兴趣偏好
cc博主2021-10-28【人工智能】808人已围观
作者 | 朱勇椿
本文基于WSDM 2022论文《Personalized Transfer of User Preferences for Cross-domain Recommendation》,论文作者来自中科院计算所、腾讯微信、北航。论文链接:https://arxiv.org/pdf/2110.11154.pdf
代码链接:https://github.com/easezyc/WSDM2022-PTUPCDR背景介绍
随着个性化线上app的增长,推荐系统被线上服务广泛采用,比如电商、线上新闻等等。但是推荐系统无法给新(冷启动)用户提供精准的推荐服务。
跨领域推荐系统旨在从一个信息丰富的源领域向目标领域迁移知识来缓解冷启动问题[1,2,3]。这类方法的核心是如何连接用户在源领域的兴趣偏好和在目标领域的兴趣偏好。为了达到偏好迁移的效果,很多已有的跨领域推荐方法假设用户在源领域和目标领域的兴趣偏好存在一种联系,并且所有的用户共享这种联系。因此,这些方法学习一个所有用户共享的偏好桥,如图1(a)所示。
事实上,由于个体的差异,不同领域的偏好间的复杂关系是因人而异的。因此,很难用一个公共的偏好桥来抓获这样复杂多样的关系。为了解决现有方法的不足,有必要使用个性化的桥来建模不同用户的偏好关系。
因此,这篇文章提出了一种新的框架,个性化迁移用户偏好的方法用于跨领域推荐系统(PTUPCDR)。如图1(b)所示。使用一个元学习器,以从用户在源领域的交互历史中提取到的用户特质为输入,建模个性化的偏好桥。再将用户在源领域的偏好表示,输入这个预测得到的偏好桥,得到用户在目标领域的冷启动表示。通常来讲,元学习器是难以优化的[4,5],因此我们提出了一种目标导向的训练方法,直接以最终的rating作为优化目标。
方法
整体框架如上所示,主要包含两个部分,特质编码器,元网络。具体来讲,特征编码器使用一种注意力机制,将用户在源领域交互过的所有item聚合起来,表示用户在源领域的特质:
将得到的用户特质输入到元网络(meta network),输出个性化的偏好桥:
注意,元网络输出的是偏好桥的参数。再将用户在源领域的偏好表示送入预测得到的偏好桥,得到用户在目标领域的偏好表示:
用得到的用户在目标领域的表示作为目标领域中该用户的初始化向量,即可进行冷启动推荐。为了学习这个网络,以前的方法采用映射导向的损失函数:
在两个领域重叠的用户上学习,使得映射后的用户表示尽量靠近目标领域中该用户的表示。但是目标领域中该用户的表示是通过交互数据学习得到,这个过程存在信息损失,因此我们希望跳过这个中间表示,直接以交互数据作为优化目标:
整个训练流程如下所示,先预训练得到源领域和目标领域的模型,再训练元网络,再映射用户兴趣偏好去初始化目标领域上的用户表示:
实验
我们在亚马逊的公开数据集上构造了三个跨领域推荐任务,具体任务如下表所示:
我们使用不同比例的数据量作为训练集,得到以下实验结果,可以看到我们的方法远远超过baselines。
此外我们还做了warm start实验,也就是基于这个映射得到向量表示作为初始化,使用后续交互数据微调,得到以下结果,可以看到,针对warm start场景,我们的方法也是很有效的,这也是第一篇同时验证跨领域推荐方法在cold-start和warm-start场景的文章。
总结
这篇文章我们研究了跨领域推荐中的冷启动问题,我们发现公共的用户偏好桥无法很好的建模不同用户在不同领域的偏好间的关系,因此我们提出了一种个性化迁移用户兴趣偏好的方法。实验证明我们的方法是一种高效且实用的方法。
参考文献:
[1] Man T, Shen H, Jin X, et al. Cross-Domain Recommendation: An Embedding and Mapping Approach[C]//IJCAI. 2017, 17: 2464-2470.
[2] Kang S K, Hwang J, Lee D, et al. Semi-supervised learning for cross-domain recommendation to cold-start users[C]// CIKM: 1563-1572.
[3] Zhu Y, Ge K, Zhuang F, et al. Transfer-Meta Framework for Cross-domain Recommendation to Cold-Start Users[C]. SIGIR, 2021.
[4] Zhu Y, Xie R, Zhuang F, et al. Learning to Warm Up Cold Item Embeddings for Cold-start Recommendation with Meta Scaling and Shifting Networks[C].SIGIR, 2021.
[5] Zhu Y, Liu Y, Xie R, et al. Learning to Expand Audience via Meta Hybrid Experts and Critics for Recommendation and Advertising[C]. KDD, 2021.
cc博客网(公众号:cc博客网)
cc博客网版权文章,未经授权禁止转载。详情见转载须知。
相关文章
- 瑞莱智慧完成超3亿元A轮融资,加大AI安全、隐私计算等平台产品研发投入
- 不到半年,字节跳动火速对微念启动撤资;网爆阿里校招成都IC岗开出50万「天价」薪资;段永平否认牵头造车|雷锋早报
- 自动驾驶 让出行更安全——从国家“十三五”科技创新成就展看数字经济创新发展 自动驾驶加速成熟 可减少交通事故发生
- TikTok在美参议院出席作证,听证会上聊了些什么?
- 聚焦AI+交通出行百度Apollo携“汽车机器人”亮相国家“十三五”科技创新成就展
- 国内湖北100G高防云服务器 2核2G 10M 36元美得云
- 全场3折起,美国/香港云服务器 5M CN2低至24元/月,物理服务器 终身价688元/月,50M CN2或100M国际带宽可选华纳云
- 微盟智慧餐饮白昱:新餐饮品牌兴起,私域运营对传统餐饮的影响日益深刻
- 福州 1核 2G 50G防御16元一月萤光云
- 逃离 AI 赛道的投资人:做局失利、破局无力
猜你喜欢
被监管重罚后,苹果悄悄放弃滴滴董事会席位,高管已从滴滴董事会退出
业界8月31日消息,据媒体报道,在滴滴经历了立案审查、股价暴跌、被重罚80.26亿元等一系列事件后,苹果公司已经悄悄放弃了滴滴出行董事会席位,目前其高管已经退出了滴滴董事会。报道称,在滴滴经历动荡的一年之后,兼任苹果并购战略负责人的佩里卡选择离职。根据滴滴在8月...
阅读更多滴滴存在恶意逃避监管等16项违法事实,相关违法行为持续长达7年,被处80.26亿元罚款
业界7月21日消息,据网信中国,根据网络安全审查结论及发现的问题和线索,国家互联网信息办公室依法对滴滴全球股份有限公司涉嫌违法行为进行立案调查。经查实,滴滴全球股份有限公司违反《网络安全法》《数据安全法》《个人信息保护法》的违法违规行为事实清楚、证据确凿、情节严重...
阅读更多TikTok电商折戟英国背后:策略失误、考核混乱、部门内耗
业界作者 | 代润泽编辑 | 麦广炜6月初的一个清晨,一母婴电商品牌突然发现,自家TikTok英国店铺销量血崩。与以往销售下滑有迹可循不同,这次商家面对惨淡的经营数据时,毫无头绪,工具模型和多年的从业经验,并不能告诉他答案。溯源无门,找不出原因。过去此...
阅读更多持续投入基础研究 腾讯云数据库三篇论文入选行业顶会SIGMOD
业界6月13日,记者获悉,腾讯云数据库三篇论文再次入选数据库行业顶会SIGMOD,被SIGMOD 2022 Research Full Paper(研究类长文)收录。本次被收录的研究成果中,新型数据结构设计、AI智能调参优化等均属于业界首次提出。腾讯云数据库多次...
阅读更多为企业云化做好关键支撑,需打好「存储与超融合」两个底座
业界云计算的快速发展,让越来越多的中国企业开始探索上云之路。超融合市场也迎来了爆发式增长。未来很长一段时间里,整个市场将是多云共存的方式,而从私有云到混合云再到公有云,超融合无疑可以提供一个平滑过渡的解决方案。超融合架构通过软件定义技术,融合了计算、存储和网络等...
阅读更多