ATM: An Attentive Translation Model for Next-Item Recommendation
Bin Wu, Xiangnan He, Zhongchuan Sun, Liang Chen, and Yangdong Ye
Zhengzhou University, University of Science and Technology of China, Sun Yat-Sen University
http://staff.ustc.edu.cn/~hexn/papers/TII19-Attentive-Trans.pdf
预测用户下次会购买什么商品在推荐系统中非常重要。
基于分解的方法在推荐系统中比较常用,但是,最近的一些研究表明,内积不满足三角不等式,这可能会破坏模型的泛化能力。
TransRec能够克服这种问题,它能够学习距离度量,来预测用户商品交互的强度。但是,这种方法只利用了最近消费的商品对用户的短期偏好进行建模,这有损模型的准确性。
这篇文章提出一种高效方法,ATM,注意力迁移模型,该模型能够明确探索高阶序列信息,进而可以用于下一次购买商品推荐。该模型需要构建基于用户的转移向量,用来解释多个最近购买的商品,这样可以对用户短期偏好的更多信息进行编码,而不是最近购买的商品。
为了将多个商品聚合到一个表示中,作者们设计了一种位置感知的注意力机制,对不同顺序的商品可以学到不同的商品权重。
四个真实数据集上的实验表明,本文方法优于STOA方法。
这篇文章所提模型跟TransRec的对比图示如下
这篇文章的主要贡献有以下三点
问题描述如下
下面是一些符号约定
个性化注意力转移模型定义如下
用户转移嵌入的高阶马尔可夫链图示如下
作者们并不是利用简单的注意力机制,而是融入了位置因素,具体解释如下
ATM结构图示如下
下面是算法伪代码
本文所用数据集有以下四个
统计信息如下
作者们所用衡量指标有以下两个
上述两个指标的公式表示如下
参与对比的几种方法简介如下
主要对比的几个方面有
参数设置以及实验环境如下
实验效果总结如下
对于衡量指标,不同的N的实验结果如下
不同的聚合函数对模型效果影响实验结果如下
马尔可夫链的阶对模型效果影响图示如下
并不是时间越近,权重就越大,示例如下表
代码地址
https://github.com/hexiangnan/neural_collaborative_filtering
https://github.com/lijingsdu/sessionRec_NARM
https://github.com/graytowne/caser_pytorch
https://sites.google.com/view/ruining-he/
https://github.com/voladorlu/MARank
我是分割线
您可能感兴趣
IJCAI2019|深层自注意力网络在序列推荐中的应用
AAAI2020|深度学习在表格分析中的应用
NIPS论文系列|复数域RNN,深层生成模型,DRL在MDP中的应用(已开源)
AAAI2020|结合时空信息的分层注意力网络在大规模社交网络中的应用
ICDE2020|基于深度学习的关系抽取
只有正样本和无标签样本时如何构建分类器
ICDE2020|图卷积网络在价格感知推荐中的应用
WSDM2020|基于强化学习的多轮对话推荐系统(EAR, 即将开源)
WWW2020|如何利用未来数据协助训练基于会话的推荐(GRec)
ICML2018|基于自注意力的序列推荐模型SASRec(已开源)
IJCAI2018|分层时空LSTM在位置预测中的应用(HST-LSTM)
IJCAI2019|基于会话和注意力机制的CTR预估模型DSIN(已开源)
AISTATS2018|密歇根大学提出新型在线boosting算法用于多标签排序(已开源)
AAAI2020|一种新型高效兼容多行为的推荐系统模型EHCF(已开源)
ICML2007|深度学习用于协同过滤的开篇作之一(出自深度学习鼻祖之一Hinton)
SIGIR2019|基于BERT的深度学习模型在信息检索中的应用(已开源)
SIGIR2019|深度学习如何更好地用于学习排序(LTR)(已开源)
SIGIR2019|利用DeepSHAP来解释神经检索模型(已开源)
KDD2018|基于GBM的动态定价回归模型
KDD2018|超越deepfm的CTR预估模型深层兴趣网络DIN(已开源)
RecSys2019|优于DeepFM和XDeepFM的CTR模型FiBiNET
SIGIR2018|选择性GBDT(SelGB)用于排序学习(已开源)
IJCAI2019|基于对抗变分自编码的协同过滤框架VAEGAN
聊聊CatBoost
聊聊XGBoost CatBoost LightGBM RF GBDT
顶会中深度学习用于CTR预估的论文及代码集锦 (3)
ICML 2018 深度学习论文及代码集锦(5)
深度学习用于文本摘要的论文及代码集锦
深度学习用于机器翻译的论文及代码集锦
深度学习用于序列标注中的论文及代码集锦
深度学习在推荐系统中的应用及代码集锦(4)
深度学习在OCR中的应用论文及代码集锦 (2)