MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection 走读

摘要 推荐系统经常面对包含高度个性化的用户历史数据的异构数据集,在这些数据集中,没有哪个模型可以为每个用户提供最佳建议。我们在公共和私有数据集上都观察到了这种普遍存在的现象,并在追求优化每个用户的推荐质量的过程中解决了模型选择问题。我们提出了一个元学习框架,以促进推荐系统中对用户类型的自适应模型选择。在此框架中,将使用来自所有用户的数据来训练推荐系统集合,然后通过元学习对模型选择器进行训练,以使用
相关文章
相关标签/搜索