用于冷啟動推薦的異質(zhì)信息網(wǎng)絡(luò)對比元學(xué)習(xí)

摘要： 在推薦系統(tǒng)中,冷啟動推薦由于缺乏用戶和物品交互信息而具有很大的挑戰(zhàn)性.該問題可以由數(shù)據(jù)層和模型層的策略進(jìn)行緩解.傳統(tǒng)的數(shù)據(jù)層方法利用如特征信息的輔助信息來增強(qiáng)用戶和物品表示的學(xué)習(xí).最近,異質(zhì)信息網(wǎng)絡(luò)被整合于推薦系統(tǒng)中.它可以提供更豐富的輔助信息和更有意義的語義信息.但是,這些模型無法充分利用結(jié)構(gòu)和語義信息,并且忽視了網(wǎng)絡(luò)中的無標(biāo)簽信息.模型層的方法應(yīng)用了元學(xué)習(xí)框架,該框架通過學(xué)...