今天看啥  ›  专栏  ›  北邮 GAMMA Lab

专题解读 | 基于图的推荐系统中长尾问题探究

北邮 GAMMA Lab  · 公众号  ·  · 2024-10-09 12:36
    

文章预览

专题解读 | 基于图的推荐系统中长尾问题探究 一、简介 推荐系统已在各个领域得到广泛采用,成为解决信息过载的一种方法。推荐系统的核心是构建高质量的用户和物品嵌入,其常见的优化是重建用户-物品交互。但物品的分布在交互数据中通常不均匀。普遍的分布是长尾:一小部分热门物品收到大部分用户反馈,而大多数物品只有很少的用户反馈。这导致热门物品(即头部物品)往往比不受欢迎的物品(即尾部物品)获得更多的反馈。但是,尾部物品对于增强用户体验和提高服务提供商的收入也至关重要。本文介绍了两篇文章分别使用图增强和元学习两个不同的方法来解决推荐系统中的长尾问题。 二、Improving Long-Tail Item Recommendation with Graph Augmentation(CIKM2023) 本文通过图增强技术来解决长尾问题,提出的图增强方法由三个模块组成——边添加、 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览