用于自适应学习社交好友偏好的神经注意力模型
信息检索
2019-07-04 v1 机器学习
社会与信息网络
机器学习
摘要
基于社交的推荐系统利用好友的选择来缓解用户偏好上的数据稀疏性，并提升协同过滤策略的推荐准确性。主要挑战在于捕捉并权衡好友的偏好，因为实践中它们未必匹配。本文中，我们提出一种用于社交协同过滤的神经注意力机制，即NAS。我们设计了一种神经架构，通过考虑好友对用户行为的社交潜在影响，仔细计算好友偏好中的非线性。此外，我们引入一种社交行为注意力机制，自适应地权衡好友对用户偏好的影响，从而生成准确的推荐。我们在公开数据集上的实验证明了所提NAS模型相对于其他最先进方法的有效性。进一步，我们研究了所提社交行为注意力机制的作用，表明它是我们模型性能的关键因素。
引用
@article{arxiv.1907.01644,
title = {A Neural Attention Model for Adaptive Learning of Social Friends' Preferences},
author = {Dimitrios Rafailidis and Gerhard Weiss},
journal= {arXiv preprint arXiv:1907.01644},
year = {2019}
}