Cold item recommendations via hierarchical Item2vec

Oren Barkan, Avi Caciularu, Idan Rejwan, Ori Katz, Jonathan Weill, Itzik Malkiel, Noam Koenigstein

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים


Learning item representations is a key building block in recommender systems research. However, representations often suffer from the cold start problem - a well-known problem in which rare items in the tail of the distribution face insufficient data yielding inadequate representations. In this work, we present a novel hybrid recommender that supports the utilization of hierarchical content-based information to mitigate the cold start problem. In particular, we assume a taxonomy of item tags in which every item is associated with several 'parent' tags and the tags themselves can be associated with several 'parent' tags in a hierarchical manner. Our model learns item representations that are guided by the 'parent' tags of each item which allows propagating relevant information between items sharing the same hierarchy. In addition, the tags are modeled using tag representations that allow propagating information between any two tags that share a common ancestor. Due to space limitation, we focus this work on a recommendations task, however the same approach can be utilized for general representation learning e.g. language models.

שפה מקוריתאנגלית
כותר פרסום המארחProceedings - 20th IEEE International Conference on Data Mining, ICDM 2020
עורכיםClaudia Plant, Haixun Wang, Alfredo Cuzzocrea, Carlo Zaniolo, Xindong Wu
מוציא לאורInstitute of Electrical and Electronics Engineers Inc.
מספר עמודים6
מסת"ב (אלקטרוני)9781728183169
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - נוב׳ 2020
פורסם באופן חיצוניכן
אירוע20th IEEE International Conference on Data Mining, ICDM 2020 - Virtual, Sorrento, איטליה
משך הזמן: 17 נוב׳ 202020 נוב׳ 2020

סדרות פרסומים

שםProceedings - IEEE International Conference on Data Mining, ICDM
ISSN (מודפס)1550-4786


כנס20th IEEE International Conference on Data Mining, ICDM 2020
עירVirtual, Sorrento

הערה ביבליוגרפית

Publisher Copyright:
© 2020 IEEE.

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Cold item recommendations via hierarchical Item2vec'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי