Filtragem Colaborativa Neural Baseada em Produto Externo

Neste trabalho, contribuímos com uma nova arquitetura de rede neural multi-camadas chamada ONCF para realizar filtragem colaborativa. A ideia é usar um produto externo para modelar explicitamente as correlações pareadas entre as dimensões do espaço de incorporação. Em contraste com os modelos de recomendação neural existentes que combinam incorporação de usuário e incorporação de item por meio de uma simples concatenação ou produto elemento por elemento, nossa proposta de usar o produto externo acima da camada de incorporação resulta em um mapa de interação bidimensional que é mais expressivo e semanticamente plausível. Acima do mapa de interação obtido pelo produto externo, propomos empregar uma rede neural convolucional para aprender correlações de alta ordem entre as dimensões da incorporação. Experimentos extensivos em dois conjuntos de dados públicos de feedback implícito demonstram a eficácia de nossa proposta de estrutura ONCF, em particular, o efeito positivo de usar o produto externo para modelar as correlações entre as dimensões da incorporação no nível baixo do modelo de recomendação neural multi-camadas. Os códigos dos experimentos estão disponíveis em: https://github.com/duxy-me/ConvNCF