...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Signal processing >Learning social regularized user representation in recommender system
【24h】

Learning social regularized user representation in recommender system

机译：在推荐系统中学习社交正规用户表示

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Highlights•Apply neural embedding in recommender system.•Make analogy between matrix factorization and neural embedding.•The first study incorporating social regularization in neural embedding.AbstractAppropriate user and item representation learning is critical to a successful recommender system. A set of models from natural language processing domain, namely neural language models, have recently been utilized to user and item representation learning in standard recommendation tasks. This paper proposes to exploit neural language models in the social recommendation task. Unlike previous studies that focus on modeling the user-item interaction matrix and only consider the item-level context, this paper models user social relationship information and adds an additional layer to incorporate user-level context. The derived representation is very like the social regularization imposed in matrix factorization-based recommendation, but with more flexible context. Experiments on a Douban movie dataset validate the advantage of the proposed model.
机译： 突出显示 • 在推荐系统中应用神经嵌入。 < ce：label>• 在矩阵分解和神经嵌入之间进行类比。 < ce：list-item id =“ celistitem0003”> • 首项将社会正规化纳入神经嵌入的研究。 摘要 正确的用户和项目表示学习对于成功的推荐系统至关重要。来自自然语言处理领域的一组模型，即神经语言模型，最近已用于标准推荐任务中的用户和项目表示学习。本文提出在社交推荐任务中利用神经语言模型。与以前的研究侧重于对用户-项目交互矩阵进行建模并且仅考虑项目级别的上下文不同，本文对用户的社会关系信息进行建模，并增加了一个附加层来合并用户级别的上下文。派生的表示非常类似于在基于矩阵分解的推荐中强加的社会正规化，但是具有更灵活的上下文。在豆瓣电影数据集上进行的实验验证了该模型的优势。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号