一种用于推荐用户生成条目列表的层次化自注意力模型
信息检索
2020-01-01 v1
摘要
用户生成的条目列表是许多不同平台上的一项流行功能。例子包括Goodreads上的书单、Spotify和YouTube上的播放列表、Pinterest上的图片合集，以及知乎等问答网站上的回答列表。推荐条目列表对于提升用户参与度和将用户连接到新条目至关重要，但许多方法都是为基于条目的推荐而设计的，没有仔细考虑条目与列表之间的复杂关系。因此，在本文中，我们提出了一种称为AttList的新型用户生成列表推荐模型。AttList的两个独特之处在于仔细建模了：(i)层次化用户偏好，其将条目聚合以刻画它们所属列表的特征，再将这些列表聚合以估计用户偏好，自然契合条目列表的层次结构；以及(ii)条目与列表一致性，通过一种新颖的自注意力聚合层来捕捉相邻条目与列表的一致性，以更好地建模用户偏好。通过在反映不同种类用户生成条目列表的三个真实世界数据集上的实验，我们发现AttList在NDCG、Precision@k和Recall@k上相比一系列最先进的基线取得了显著提升。此外，所有代码和数据可在 https://github.com/heyunh2015/AttList 获取。
引用
@article{arxiv.1912.13023,
title = {A Hierarchical Self-Attentive Model for Recommending User-Generated Item Lists},
author = {Yun He and Jianling Wang and Wei Niu and James Caverlee},
journal= {arXiv preprint arXiv:1912.13023},
year = {2020}
}
备注
Accepted by CIKM 2019