【WSDM2020】用户生成项目列表延续的一致性感知推荐（Consistency-Aware Recommendation for User-Generated Item List Continuation）

题目： Consistency-Aware Recommendation for User-Generated Item List Continuation

摘要：

用户生成的项目列表在许多平台上都很流行。例如，YouTube上的视频播放列表、Pinterest上的图片列表、Goodreads上的基于书籍的列表，以及知乎等问答论坛上的基于答案的列表。在用户创建这些列表时，一个常见的挑战是确定接下来要管理哪些项目。一些列表是围绕特定的类型或主题组织的，而另一些似乎是不连贯的，反映了个人对哪些项目属于一起的偏好。此外，项目一致性的异质性可能因平台而异，也可能因子社区而异。为此，本文提出了一种可推广的用户生成项列表的方法。作为利用特定内容模式(例如，基于歌曲的播放列表依赖于音频特性)的方法的补充，所提出的方法基于人工管理模式对项列表的一致性建模，因此可以跨各种不同的项类型(例如，视频、图像、书籍)进行部署。一个关键的贡献是通过一个新的一致性感知门控网络智能地组合两个偏好模型：—个捕获用户总体兴趣的通用用户偏好模型和一个捕获用户当前兴趣(作为最近的项目)的当前偏好优先级模型。这样，所提出的一致性感知推荐器可以随着用户偏好的变化而动态调整。对四个数据集(歌曲、书籍和答案)的评估证实了这些观察，并证明了所提出的模型与最先进的替代方案的有效性。

作者：

贺赟是德州农工大学计算机科学与工程系三年级博士生，主要研究方向:推荐系统、信息检索和数据挖掘。个人主页：http://people.tamu.edu/~yunhe/