【SIGIR2020】用于冷启动推荐的内容感知神经哈希

内容感知的推荐方法对于向新用户提供有意义的推荐是必不可少的。我们提出了一种基于内容感知神经哈希的协同过滤方法，它为用户和项生成二进制哈希码，这样就可以利用高效的汉明距离估计用户项相关性。NeuHash-CF被建模为一个自动编码器架构，由两个用于生成用户和项哈希码的联合哈希组件组成。受语义哈希的启发，项目哈希组件直接从项目的内容信息(即，它以相同的方式生成冷启动和可见项哈希码)。这与现有的最先进的模型形成了对比，后者分别处理两个项目的情况。用户哈希码是通过学习用户嵌入矩阵，直接基于用户id生成的。我们通过实验证明，在冷启动推荐设置中，NeuHash-CF的性能显著优于最先进的基线，最高可达12%的NDCG和13%的MRR，而在所有项目都在训练时出现的标准设置中，NeuHash-CF和MRR的性能均可达4%。我们的方法使用2-4倍的更短的哈希码，同时获得与现有技术相同或更好的性能，因此也可以显著减少存储空间。