一种改善推荐模型长尾性能的框架

摘要

为提高推荐模型对于长尾项目的推荐性能,提出一种可集成在基础推荐模型中的通用框架DAST。该框架通过设计特征变换模块来对齐源域(曝光项目)与目标域(未曝光项目)的特征分布,引入了伪标签的概念,用基于数据结构关系的分类器对目标域伪标签进行校验,通过校验后的伪标签进行自训练来进一步改善长尾性能。在Movielens-1M和DIGINETICA数据集上对集成DAST框架前后的基线模型进行了对比,实验结果表明,集成了DAST框架后,各推荐模型的长尾性能均得到显著的提升,证明了此框架的通用性与有效性。