KNNs of Semantic Encodings for Rating Prediction

要約

この論文では、評価予測のためのユーザー選好表現へのテキストの意味的類似性の新しいアプリケーションを探ります。
このアプローチは、ユーザーの好みを、レビュー テキストからのテキスト スニペットのグラフとして表します。ここで、エッジはセマンティックの類似性によって定義されます。
評価予測に対するこのテキストによるメモリベースのアプローチにより、推奨事項のレビューベースの説明が可能になります。
この方法は定量的に評価され、この方法でテキストを活用すると、強力なメモリベースおよびモデルベースの協調フィルタリングのベースラインよりも優れていることが強調されます。

要約(オリジナル)

This paper explores a novel application of textual semantic similarity to user-preference representation for rating prediction. The approach represents a user’s preferences as a graph of textual snippets from review text, where the edges are defined by semantic similarity. This textual, memory-based approach to rating prediction enables review-based explanations for recommendations. The method is evaluated quantitatively, highlighting that leveraging text in this way outperforms both strong memory-based and model-based collaborative filtering baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google