Loading...

KDD 2022 | 协同过滤中考虑表征对齐和均匀性

智源社区1年前 (2023)发布 智源社区
305 0 0

论文标题:

Towards Representation Alignment and Uniformity in Collaborative Filtering

论文链接:

https://arxiv.org/pdf/2206.12811.pdf

代码:

https://github.com/THUwangcy/DirectAU

本文主要针对协同过滤方法中的数据表征展开研究,现有的研究主要集中在设计更强大的编码器(例如,图神经网络)以学习更好的表征。而缺乏对 CF 中表征的期望属性进行研究,这对于理解现有 CF 方法的基本原理和设计新的学习目标很重要。本文从对齐和超球面上的均匀性的角度来衡量 CF 中的表征质量。

  • 首先从理论上揭示了 BPR 损失与这两个属性(对齐和均匀性)之间的联系。
  • 从量化对齐和均匀性的角度对典型 CF 方法的学习动态进行了分析,表明更好的对齐或均匀性都有助于提高推荐性能。
  • 根据分析结果,提出了一个直接优化这两个属性的学习目标,称为 DirectAU。

KDD 2022 | 协同过滤中考虑表征对齐和均匀性

© 版权声明

相关文章

暂无评论

暂无评论...