Oct, 2023
基于流行度的冷启动捆绑推荐精确性:合并和曲线加热
Accurate Cold-start Bundle Recommendation via Popularity-based Coalescence and Curriculum Heating
Hyunsik Jeon, Jong-eun Lee, Jeongin Yun, U Kang
TL;DR提出了一种名为 CoHeat 的准确的冷启动捆绑推荐方法,能够充分考虑捆绑的流行度和用户捆绑关系的历史和关联信息,并通过课程学习和对比学习有效地学习潜在表示,取得了比竞争方法高达 193% 的水平的冷启动捆绑推荐效果。