论文标题：
Detecting Arbitrary Order Beneficial Feature Interactions for Recommender Systems
论文链接：
https://arxiv.org/pdf/2206.13764.pdf
代码：
https://github.com/ruizhangai/HIRS_Hypergraph_Infomax_Recommender_System.git
本文主要针对推荐系统中的特征交互而提出的相关方法，如果将所有可能的特征都进行交互，那消耗是很大的，本文提出HIRS用于直接生成有益特征交互。生成的特征交互的数量可以指定为远小于所有可能的交互的数量，因此模型运行时间更短。
本文采用超图和互信息的相关概念来自动的生成有效的特征交互。以样本中的特征为节点，如果特征之间存在交互则这些特征节点之间就存在超边。
-
首先，得到样本后，以样本特征为节点，映射到相应的embedding，边集为空 -
利用节点embedding预测得到超边集合 -
利用节点和超边进行推荐系统结果的预测 -
在超边预测的过程中需要考虑一些点，比如产生的交互要是有益有效的，产生的超边矩阵需要时0,1稀疏的，那么针对这些问题，作者基于互信息进行了相应的改进。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
这是一个专注于人工智能产品的导航站。
