跨域推荐技术通过深入挖掘及利用其他域的有用信息,有效提升目标域的推荐表现,为解决用户冷启动问题提供了一种有效途径。然而,当前跨域推荐方法存在局限,未能细粒度地扩展隐式关系,并且忽视了嵌入向量中可能包含的冗余信息,从而制约了...跨域推荐技术通过深入挖掘及利用其他域的有用信息,有效提升目标域的推荐表现,为解决用户冷启动问题提供了一种有效途径。然而,当前跨域推荐方法存在局限,未能细粒度地扩展隐式关系,并且忽视了嵌入向量中可能包含的冗余信息,从而制约了跨域推荐系统的性能。鉴于此,提出一种基于域内和域间元路径聚合的跨域推荐方法,IMCDR(intra-domain and inter-domain meta-paths aggregation based cross-domain recommendation)。IMCDR首先通过细粒度地计算实体多字段的语义嵌入,有效扩展用户-用户和物品-物品关系;然后,IMCDR基于域内元路径和域间元路径为每个节点分别生成私有特征和共享特征,并将它们有效融合,以获得更高质量的嵌入向量。在三个跨域推荐任务上的综合实验结果表明,IMCDR在有效性和性能上具有明显优势。展开更多
新闻点击率预估是个性化新闻推荐的关键技术之一。针对现有新闻点击率预估方法忽略新闻全局特征建模及信息压缩导致语义丢失的问题,提出融合多模态和长短期历史行为的新闻点击率预估模型(MLSTH:Multimodal and Long-Short Term Historic...新闻点击率预估是个性化新闻推荐的关键技术之一。针对现有新闻点击率预估方法忽略新闻全局特征建模及信息压缩导致语义丢失的问题,提出融合多模态和长短期历史行为的新闻点击率预估模型(MLSTH:Multimodal and Long-Short Term Historical Behavior News Click-Through Rate Prediction)。MLSTH主要包括新闻编码和用户编码两部分。在新闻编码中,首先利用预训练模型对新闻多模态特征编码;然后,基于跨模态注意力构建视觉语义融合模块分别得到全局特征信息和局部特征信息;最后,将得到的局部特征和全局特征拼接,作为多模态新闻编码。通过在公开数据集V-MIND上验证,与现有多模态模型MMRec, VLSNR,IM-Rec相比较,AUC平均提升1.68%,2.54%和2.36%,证明了其有效性和优越性。展开更多
文摘跨域推荐技术通过深入挖掘及利用其他域的有用信息,有效提升目标域的推荐表现,为解决用户冷启动问题提供了一种有效途径。然而,当前跨域推荐方法存在局限,未能细粒度地扩展隐式关系,并且忽视了嵌入向量中可能包含的冗余信息,从而制约了跨域推荐系统的性能。鉴于此,提出一种基于域内和域间元路径聚合的跨域推荐方法,IMCDR(intra-domain and inter-domain meta-paths aggregation based cross-domain recommendation)。IMCDR首先通过细粒度地计算实体多字段的语义嵌入,有效扩展用户-用户和物品-物品关系;然后,IMCDR基于域内元路径和域间元路径为每个节点分别生成私有特征和共享特征,并将它们有效融合,以获得更高质量的嵌入向量。在三个跨域推荐任务上的综合实验结果表明,IMCDR在有效性和性能上具有明显优势。
