PM:CROSS-DOMAIN RECOMMENDATION METHOD BASED ON MULTI-LAYER GRAPH ANALYSIS WITH VISUAL INFORMATION

YanYan——

已于 2024-05-06 19:15:11 修改

阅读量808

点赞数 21

CC 4.0 BY-SA版权

分类专栏：文献笔记文章标签：笔记推荐算法学习

于 2024-05-06 19:11:46 首次发布

本文链接：https://blog.youkuaiyun.com/Guozyan/article/details/138485306

本文介绍了一种基于多层图分析的跨域推荐方法，将视觉信息纳入推荐系统，提高了推荐的准确性。通过CNN提取产品图像的视觉特征，并结合用户-项目交互，构建域内和域间的多层图。实验表明，在Amazon的Books和Movies & TV数据集上，该方法在NDCG@K和precision@K指标上优于其他对比方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

CROSS-DOMAIN RECOMMENDATION METHOD BASED ON MULTI-LAYER GRAPH ANALYSIS WITH VISUAL INFORMATION

IEEE-Taisei Hirakawa， Keisuke Maeda， Takahiro Ogawa， Satoshi Asamizu， Miki Haseyama-2021

思路

1、虽然基于图的CDR方法有效利用了用户对产品的评级和它们的购买历史，但它们缺乏诸如产品图象之类的基本信息，这些信息可能对用户是否购买产品的决定产生影响。
2、该方法将从产品图像中获取的视觉特征引入到基于图的CDR中。为了处理多个域中的视觉特征，我们通过视觉特征关注域内和域间的关系。
3、具体而言，为了从域中的用户和项目中获得有效的嵌入特征，所提出的方法将视觉特征新引入到最新的图神经网络的优化过程中，该图神经网络仅考虑用户-项目交互。
4、考虑域内项目的视觉相似性计算的可行，并且可以估计具有高表示能力的嵌入特征。
5、考虑域之间的视觉信息，为每个域构建多层图，并将视觉特征引入到这些图之间的特征Transformer的训练中。

本方法

首先通过使用视觉特征和用户—项目交互来训练基于域内关系的表示，并且可以计算出用户和项目具有高表示能力的嵌入特征；此外，我们训练一个特征表示跨源和目标域的基础上域间的关系；然后，可以将源域中的用户嵌入特征转换为目标域中的用户嵌入特征；最后，当只存在于源域的冷启动用户给定时，我们估计目标域的嵌入特征，通过比较估计的用户嵌入特征和项目嵌入特征，项目推荐变得可行。
一、基于域内关系的表示
在源域和目标域的图形构造时，使用用户-项目的交互特征和视觉特