以領域轉移學習來解決新進使用者推薦問題

Abstract

解決新進使用者冷啟動問題在網路平台的推薦系統中是一個很重要的議題，許多在跨領域學習的方法中都會利用額外領域的資訊來解決目標領域上資料不足的問題。然而，這些研究只針對在不同的領域上互相轉換。在這篇論文中，我們用了一個以生成對抗式網路為基底的領域轉移學習模型，來解決新進使用者冷啟動問題。我們將該使用者剛進入平台時的冷啟動狀態，以及之後擁有豐富經驗的狀態視為兩個不同的領域，希望能透過利用使用者額外的資訊例如性別、年齡、職業等其他特徵，成功的將冷啟動狀態的使用者轉移成有豐富經驗的狀態，再以此進行推薦。透過實驗證明，我們的方法成功的超過許多現有知名的推薦系統算法，成為目前最好的冷啟動推薦方法之一。