一、基本信息
论文题目:《Item2Vec: Neural Item Embedding for Collaborative Filtering》
发表时间:RecSys 2016
作者及单位:
论文地址:http://ceur-ws.org/Vol-1688/paper-13.pdf
二、摘要
许多协作过滤(CF)算法是基于项目的,因为它们分析项目 - 项目关系以产生项目相似性。 最近,自然语言处理领域的一些工作提出使用神经嵌入算法学习单词的潜在表示。 其中,带有负抽样的Skip-gram(SGNS),也称为Word2Vec,被证明可以产生各种文本任务的最好结果。 在本文中,我们表明基于项目的CF可以在相同的神经词嵌入框架中进行转换。 受SGNS的启发,我们描述了一种方法,我们为基于项目的CF命名Item2Vec,为潜在空间中的项目生成嵌入。 即使用户信息不可用,该方法也能够推断项目间关系。 我们在大型数据集上展示实验结果,证明了Item2Vec方法的有效性,并证明它可以与SVD竞争。
三、主要内容与工作
1. Introduction
计算项目相似性是现代推荐系统的一个关键组成部分。虽然许多推荐算法都专注于同时学习用户和项目的低维嵌入[1,2,