MMAug, 2023
关于物品推荐平均嵌入一致性的研究
On the Consistency of Average Embeddings for Item Recommendation
Walid Bendada, Guillaume Salha-Galvan, Romain Hennequin, Thomas Bouabça, Tristan Cazenave
TL;DR研究了在推荐系统中普遍使用的一种做法，即对物品嵌入进行平均以表示用户或更高级别的概念，提出了一种期望精确度评分来衡量平均嵌入与其构建所使用的物品的一致性，并通过理论模型和真实世界的音乐流媒体数据分析了该评分的数学表达式以及实证行为，结果强调了真实世界数据的平均值对于推荐的不一致性，为进一步研究如何更好地使真实世界嵌入与我们的理论模型假设相一致打下了基础。