A Novel Cross-Domain Recommendation with Evolution Learning
ACM-YI-CHENG CHEN,WANG-CHIEN LEE-2024
思路
1、目前的推荐系统中,冷启动和数据稀疏性问题仍然是主要挑战;
2、冷启动是新用户或没有足够信息的项目生成推荐的情况;数据稀疏指的是拥有大量用户和项目,但是交互或交易很少;
3、提出基于进化学习的CDR:通过矩阵分解和递归神经网络相结合的方法。实现跨域信息交流,来解决上述问题。引入了进化的概念来描述用户的偏好随时间的变化。
4、信息迁移应该是双向的,而不是单纯的只利用源域的信息,因为目标域可能也有源域可利用的信息。即源域帮助目标域进行推荐,目标域改进源域中的信息。
5、用户和项目之间不断变化的关系对于推荐至关重要,这样的关系可以指示随时间的推移用户对项目的潜在兴趣。现有的CDR基本上只发现了用户和条目的静态特征,没有考虑它们之间的演化关系。
CD-ELR
CDR在这个模型中的任务是预测不属于评级矩阵中的交互值,即尚未被用户评分的项目。