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

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值