(交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京 100044) (北京交通大学计算机与信息技术学院 北京 100044) (sunxiaoyi@bjtu.edu.cn)
出版日期: 2020-08-01基金资助:国家自然科学基金项目(61822601，61773050，61632004)；北京市自然科学基金项目(Z180006)；北京市科委项目(Z181100008918012)；国家重点研发计划项目(2017YFC1703506)；中央高校基本科研业务费专项资金(2019JBZ110)Deep Generative Recommendation Based on List-Wise Ranking
Sun Xiaoyi, Liu Huafeng, Jing Liping, Yu Jian(Beijing Key Laboratory of Traffic Data Analysis and Mining (Beijing Jiaotong University), Beijing 100044) (School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044)
Online: 2020-08-01Supported by:This work was supported by the National Natural Science Foundation of China (61822601, 61773050, 61632004), the Beijing Natural Science Foundation (Z180006), the Program of Beijing Municipal Science & Technology Commission (Z181100008918012), the National Key Research and Development Program of China (2017YFC1703506), and the Fundamental Research Funds for the Central Universities (2019JBZ110).摘要/Abstract
摘要： 变分自编码器(variational autoencoder, VAE)近年来在推荐领域有着很成功的应用.这种非线性概率模型的优势在于它可以突破线性模型有限的建模能力，而线性模型目前仍然在协同过滤研究中占主导地位.尽管基于变分自编码器的推荐方法已经取得了优越的表现，但仍存在一些未解决的问题，例如无法针对隐式反馈的推荐数据为用户生成个性化的推荐排序列表.因此，通过借助多项式似然对变分自编码器实施基于列表的排序策略，提出了一种深度生成推荐模型.该模型具有同时生成点级隐式反馈数据并为每个用户创建列表式偏好排序的能力.为了将排序损失与变分自编码器损失结合起来，采取归一化累计损失增益(normalized cumulative loss gain, NDCG)作为排名损失，并通过平滑函数进行近似.在3个真实世界数据集上(MovieLens-100k,XuetangX和Jester)进行了实验.实验结果表明：结合了列表级排序的变分自编码器在推荐个性化列表所有评价指标上,相比于其他基线模型拥有更出色的表现.
参考文献
相关文章 11
| [1] | 秦涛, 沈壮, 刘欢, 陈周国. 基于排序学习的网络舆情演化趋势评估方法研究[J]. 计算机研究与发展, 2020, 57(12): 2490-2500. |
| [2] | 于亚新, 张文超, 李振国, 李莹. 基于超图的EBSN个性化推荐及优化算法[J]. 计算机研究与发展, 2020, 57(12): 2556-2570. |
| [3] | 郭凯红, 韩海龙. 基于偏好诱导量词的个性化推荐模型[J]. 计算机研究与发展, 2020, 57(1): 124-135. |
| [4] | 燕彩蓉,张青龙,赵雪,黄永锋. 基于广义高斯分布的贝叶斯概率矩阵分解方法[J]. 计算机研究与发展, 2016, 53(12): 2793-2800. |
| [5] | 朱夏,宋爱波,东方,罗军舟. 云计算环境下基于协同过滤的个性化推荐机制[J]. 计算机研究与发展, 2014, 51(10): 2255-2269. |
| [6] | 王 鹏 王晶晶 俞能海. 基于核方法的User-Based协同过滤推荐算法[J]. , 2013, 50(7): 1444-1451. |
| [7] | 卢 敏, 黄亚楼, 谢茂强, 王 扬, 刘 杰, 廖 振,. 代价敏感的列表排序算法[J]. , 2012, 49(8): 1738-1746. |
| [8] | 彭泽武, 汤 庸, 罗海霞, 潘 炎,. 基于对象相关性的全监督和直推式排序算法[J]. , 2012, 49(6): 1256-1263. |
| [9] | 花贵春 张 敏 刘奕群 马少平 茹立云. 面向排序的基于查询需求的查询聚类模型[J]. , 2012, 49(11): 2407-2413. |
| [10] | 王扬, 黄亚楼, 谢茂强, 刘杰, 卢敏, 廖振,. 多查询相关的排序支持向量机融合算法[J]. , 2011, 48(4): 558-566. |
| [11] | 邢春晓, 高凤荣, 战思南, 周立柱,. 适应用户兴趣变化的协同过滤推荐算法[J]. , 2007, 44(2): 296-301. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4238
