一种用于推荐系统中评论建模的零注意力相关性匹配网络
信息检索
2021-08-03 v2
摘要
用户与商品评论对于构建推荐系统颇具价值。总体上，现有基于评论的推荐方法可宽泛分为两类：分别从各自评论构建静态用户与商品表示的连体模型，以及根据用户与商品评论的相似度或关系动态编码用户与商品的交互式模型。尽管交互式模型具有更强模型容量且更契合人类购买行为，现有交互式模型若干有问题的模型设计与假设导致其相较于现有连体模型表现次优。本文指出现有交互式推荐模型的三大问题，并提出若干解决方案以及一种融合评论数据用于评分预测的新交互式模型。我们的模型实现了一个带正则化训练损失的相关性匹配模型，以从长商品评论中发现用户相关信息，并采用零注意力策略动态平衡从用户评论提取的依赖于商品与不依赖于商品的信息。在 Amazon Product Benchmark 数据集上的实证实验与案例研究表明，我们的模型能从评论中提取有效且可解释的用户/商品表示，并优于多种类型的最先进基于评论的推荐模型。
引用
@article{arxiv.2101.06387,
title = {A Zero Attentive Relevance Matching Networkfor Review Modeling in Recommendation System},
author = {Hansi Zeng and Zhichao Xu and Qingyao Ai},
journal= {arXiv preprint arXiv:2101.06387},
year = {2021}
}