摘要
在多准则推荐系统中，用户不仅可对某一物品给出总体评分，还可对其各项属性分别打分。如何有效利用用户的多准则评分来预测其总体评分，已成为该领域最重要的挑战之一。传统方法中，大多数架构并未采用端到端的设计方式：这些方法通常先独立估计用户的各项属性评分，再训练一个单独的模型来预测用户的总体评分。这种分步处理方式带来了额外的训练开销，且总体评分的预测精度往往对属性评分模型的性能高度敏感。本文提出一种统一的协同模型，通过自动加权各属性子评分的预测结果，实现对用户总体评分的预测。所提出的架构将多准则评分模型与总体评分模型整合于一个统一系统中，支持多准则推荐的端到端训练与预测。在三个真实数据集上的实验结果表明，与基线方法相比，本文所提架构的预测误差最高可降低13.14%。