WSDM'22「百度」考虑行为多样性的对比元学习

2022 年 2 月 21 日 专知


本文希望通过结合多种类型的行为(访问页面,喜欢,购买等),从而发掘用户和商品之间的复杂关联。但是这类方法通常面临两个问题:

  • 目标行为下监督信号稀疏;
  • 通过依赖关系建模捕获个性化的多行为模式。

本文提出对比元学习CML来解决上述问题,

  • 通过对比损失,在多行为对比学习框架下学习不同行为之间的迁移信息,利用辅助行为的信息来帮助目标行为学习,缓解稀疏问题;
  • 设计对比元网络编码不同用户的特定行为的异质性,从而捕获多样的行为模式。

一个信息畅通的推荐框架,不仅可以帮助用户识别自己感兴趣的商品,还可以为各种在线平台(如电子商务、社交媒体)带来收益。传统的推荐模型通常假设用户和商品之间只存在一种交互类型,而不能从多类型的用户行为数据(如页面浏览、添加到喜爱的对象和购买)中对多重用户-商品关系进行建模。虽然最近的一些研究提出了捕获不同类型行为之间的依赖关系,但有两个重要的挑战尚未被探索: i) 处理目标行为(如购买)下的稀疏监督信号。ii) 利用自定义依赖关系建模,获取个性化的多行为模式。为了应对上述挑战,我们设计了一种新的CML模型,即对比元学习(CML),为不同的用户维护专门的跨类型行为依赖。特别是,我们提出了一个多行为对比学习框架,通过构建的对比损失来提取不同类型行为之间的可转移知识。此外,为了捕捉不同的多行为模态,我们设计了一个对比元网络来编码不同用户的自定义行为异构性。在三个真实数据集上的大量实验表明,我们的方法始终优于各种最新的推荐方法。我们的实证研究进一步表明,对比元学习范式为捕捉推荐行为多样性提供了巨大的潜力。我们在https://github.com/weiwei1206/CML.git发布了我们的模型实现。

https://www.zhuanzhi.ai/paper/08dae46b3df8de18391740491c98cd90



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“CMLB” 就可以获取WSDM'22「百度」考虑行为多样性的对比元学习》专知下载链接

专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取70000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取70000+AI主题知识资源
登录查看更多
0

相关内容

基于对比调整缩放的图自监督学习
专知会员服务
8+阅读 · 2022年4月6日
港中文等最新《多模态元学习》综述论文
专知会员服务
120+阅读 · 2021年10月8日
专知会员服务
92+阅读 · 2021年5月25日
专知会员服务
39+阅读 · 2021年4月5日
【WSDM2021】多交互注意力网络细粒度特征学习的CTR预测
专知会员服务
24+阅读 · 2020年12月27日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
62+阅读 · 2020年5月31日
【WWW2020-华为诺亚方舟论文】元学习推荐系统MetaSelector
专知会员服务
55+阅读 · 2020年2月10日
专知会员服务
84+阅读 · 2020年1月20日
多视图多行为对比学习推荐系统
机器学习与推荐算法
4+阅读 · 2022年3月23日
WSDM2022 | 考虑行为多样性与对比元学习的推荐系统
机器学习与推荐算法
2+阅读 · 2022年2月24日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
【WWW2021】自监督多通道超图卷积网络
专知
3+阅读 · 2021年4月5日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
14+阅读 · 2019年11月26日
A Comprehensive Survey on Transfer Learning
Arxiv
117+阅读 · 2019年11月7日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Arxiv
29+阅读 · 2019年3月13日
Arxiv
10+阅读 · 2017年7月4日
VIP会员
相关VIP内容
基于对比调整缩放的图自监督学习
专知会员服务
8+阅读 · 2022年4月6日
港中文等最新《多模态元学习》综述论文
专知会员服务
120+阅读 · 2021年10月8日
专知会员服务
92+阅读 · 2021年5月25日
专知会员服务
39+阅读 · 2021年4月5日
【WSDM2021】多交互注意力网络细粒度特征学习的CTR预测
专知会员服务
24+阅读 · 2020年12月27日
【元图(Meta-Graph):元学习小样本连接预测】
专知会员服务
62+阅读 · 2020年5月31日
【WWW2020-华为诺亚方舟论文】元学习推荐系统MetaSelector
专知会员服务
55+阅读 · 2020年2月10日
专知会员服务
84+阅读 · 2020年1月20日
相关资讯
多视图多行为对比学习推荐系统
机器学习与推荐算法
4+阅读 · 2022年3月23日
WSDM2022 | 考虑行为多样性与对比元学习的推荐系统
机器学习与推荐算法
2+阅读 · 2022年2月24日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
SIGIR'21 | 推荐系统中的多关系图神经网络
图与推荐
3+阅读 · 2021年10月10日
【WWW2021】自监督多通道超图卷积网络
专知
3+阅读 · 2021年4月5日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
相关论文
Top
微信扫码咨询专知VIP会员