Représentations Gaussiennes pour le Filtrage Collaboratif

Hadrien Titeux, Benjamin Piwowarski, Patrick Gallinari

COnférence en Recherche d'Informations et Applications - CORIA 2018, 15th French Information Retrieval Conference. Rennes, France, May 16-18, 2018.


RÉSUMÉ. La plupart des systèmes de filtrage collaboratifs, comme par exemple la factorisation matricielle, utilisent des représentations vectorielles pour les articles et les utilisateurs. Ces représentations sont déterministes, et ne permettent pas de modéliser l'incertitude des représentations apprises, ce qui peut être utile quand un utilisateur a évalué un petit nombre d'articles (problème du démarrage à froid), ou quand le modèle est confronté à des informations contradictoires concernant le comportement d'un utilisateur ou les évaluations d'un utilisateur. Dans cet article, nous nous appuyons sur des représentations gaussiennes qui modélisent cette incertitude, et définissons un cadre d'apprentissage et d'inférence approprié à ce type de représentations. Nous montrons en outre que ce modèle fonctionne bien sur trois collections représentatives, et analysons les représentations apprises par le modèle.

ABSTRACT. Most collaborative filtering systems, such as matrix factorization, use vector representations for items and users. Those representations are deterministic, and do not allow modeling the uncertainty of the learned representation, which can be useful when a user has a small number of rated items (cold start), or when there is conflicting information about the behavior of a user or the ratings of an item. In this paper, we leverage recent works in learning Gaussian embeddings for the recommendation task. We show that this model performs well on three representative collections and analyze learned representations.

MOTS-CLÉS : systèmes de recommandation, représentations gaussiennes, apprentissage d'ordonnancement.

KEYWORDS: collaborative filtering, gaussian embeddings, learning to rank.


fichier Fichier

Identifiant : doi:10.24348/coria.2018.paper31

Citation:

@inproceedings{coria/2018/paper31,
author = {Hadrien Titeux and Benjamin Piwowarski and Patrick Gallinari},
title = {Représentations Gaussiennes pour le Filtrage Collaboratif},
booktitle = {COnférence en Recherche d'Informations et Applications - CORIA 2018, 15th French Information Retrieval Conference. Rennes, France, May 16-18, 2018. Proceedings},
pages = {},
year = {2018},
doi = {doi:10.24348/coria.2018.paper31}
}