流形思维-用于可信推荐的动态双曲推理-计算机科学-机器学习-推荐系统.pdfVIP

流形思维：用于可信推荐的动态双曲推理

阿努什卡·哈里特,孙中天,斯尼西卡·哈德兹迪迪奇

剑桥大学肯特大学达勒姆大学

Abstract链中组合信心加权的推理，促进发现间接但有意义

的用户-项目关联。此架构支持推荐空间中的语义探

我们介绍ManifoldMind，这是一种用于在

索，在稀疏反馈或冷启动设置中尤其有价值，在这

双曲空间中进行语义层次探索性推理的概

些情况下传统协同过滤器难以应对。

率几何推荐系统。与具有固定曲率和刚性

嵌入的先前方法不同，ManifoldMind将用我们的方法通过推理潜在的概念标签而不是原始特

本户、项目和标签表示为自适应曲率概率球征来泛化协同过滤和基于内容的过滤。几何、不确

译体，从而实现个性化的不确定性建模和感定性和路径基础推理的整合使ManifoldMind成为

中知几何的语义探索。一种感知曲率的语义黑盒模型的强大替代品，提供了透明度以及探索多

核支持软多跳推理，使模型能够探索多样样化个性化推荐的能力。

1

v性的概念路径而不是过度拟合浅层或直接

4我们在四个多样化的数据集上评估了Mani-

1交互。在四个公开基准上的实验表明，与foldMind：Book-Crossing(Ziegleretal.,2005)，

0强大的基线相比，其NDCG、校准和多样

2MIND(Wuetal.,2020)，Goodbooks-10K(Zajac,

0性更优。ManifoldMind生成明确的推理轨

.2017)和Avicenna-Syllogism(AghahadiTalebpour,

7迹，使得在稀疏或抽象领域中能够实现透

02022)。结果显示，在顶级排名、校准和多样性方

5明、值得信赖且以探索为导向的推荐。面均有持续改进，并且推荐轨迹与用户意图一致且

2

:可解释。我们评估了该框架在四个开源数据集上的

v

i1.介绍表现：Book-Crossing(Ziegleretal.,2005)、MIND

x

r(Wuetal.,2020)、Goodbooks-10K(Zajac,2017)，以

a推荐系统在塑造用户与数字内容的交互中起着关键

及一个基于Avicenna(AghahadiTalebpour,2022)

作用。然而，对深度神经网络的高度依赖引发了关

的常识三段论数据集。结果表明，ManifoldMind一