2021-WSDM-Decomposed Collaborative Filtering: Modeling Explicit and Implicit Factors For Recommender

Decomposed Collaborative Filtering: Modeling Explicit and Implicit Factors For Recommender Systems
2021 WSDM

CF的主题是表示学习。学习到的表示应该反映出:

  • 由外在属性所显示的,比如book的作者、类型
  • 由隐式因子所显示的,协同信号

3 问题描述

协作关系感知图,交互图+物品知识图谱

  • 显示关系 R + R^+ R+ 就是物品KG中的关系
  • 隐式关系 R − = { k 1 , k 2 , k 3 , k 4 } R^-=\{k_1,k_2,k_3,k_4\} R={k1,k2,k3,k4} 就是将交互拆解成了几种细粒度的交互,最重要的 k i k_i ki 因素决定了用户采用了特定物品的原因

4 模型

4.1 用户-物品隐式关系建模

在这里插入图片描述

1 隐式因素分解

在这里插入图片描述

2 Factor级注意力网络

在这里插入图片描述

3 注意力 隐式关系-wise 聚合

在这里插入图片描述

4 解耦正则化

在这里插入图片描述

4.2 显式关系建模

在这里插入图片描述

4.3 高阶连通性建模

在这里插入图片描述

4.4 模型学习

在这里插入图片描述

5 实验

5.1 实验设置

在这里插入图片描述
评价指标:

  • Top-N:Recall NDCG {5,10,20}
  • CTR:AUC
  • train:valid:test=6:2:2
  • 取5次实验的平均值

超参数:

  • tanh
  • 交叉熵loss、Adam、Xavier
  • 30 epoch,提前终止策略
  • 对于自己的模型DCF,网格搜索 学习率、解耦项系数、正则化系数
  • 其他模型其他超参数与paper/code设置相同,(有没有网格搜索呢??)
RQ1:模型表现

在这里插入图片描述
在这里插入图片描述

RQ2:超参数对模型的影响

在这里插入图片描述
在这里插入图片描述

RQ3:设计组件对模型的影响 (消融实验)

在这里插入图片描述

RQ4:可解释Case Study

在这里插入图片描述
在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值