这篇博客介绍了三种跨域推荐系统的论文，分别侧重于仅使用评分矩阵、结合物品内容和评分矩阵，以及深度领域适应。《DARec》利用AutoEncoder获取用户和物品表示，同时预测源域和目标域评分。《CCCFNet》通过内容增强的协同过滤神经网络，融合物品属性特征。《Cross-domain Recommendation》探讨了在缺乏用户个人资料时，如何利用消费模式进行用户表示。
阅读笔记，持续更新…
1、只用到了rating matrix进行建模
《DARec: Deep DomainAdaptation for Cross-Domain Recommendation via Transferring Rating Patterns》
user/item的representation从AutoEncoder中得到（AutoEncoder的缺点是，当数据量非常稀疏的时候，得到的隐向量并不好），然后source和target domain上的预测同时进行，并在预测的同时进行domain的预测。
损失函数中可以看到，就是同时对两个domain上的得分的预测。R表示rating pattern extractor、rating predictor、domain classifier这三个网路上的参数的正则化。
【使用条件：source和target上的user是完全重叠的】
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
