用于可解释基于评论推荐的非对称层次网络与注意力交互
信息检索
2020-01-14 v1 计算与语言
摘要
近来，推荐系统通过利用用户提供的评论已能给出显著改进的推荐。现有方法通常将某用户或物品的所有评论合并为一个长文档，然后以相同方式处理用户和物品文档。然而在实践中，这两组评论明显不同：用户的评论反映了其购买的各种物品，因而主题非常异构；而物品的评论仅关乎该单一物品，因此主题同质。在这项工作中，我们开发了一种新颖的神经网络模型，通过非对称注意力模块恰当考量这一重要差异。用户模块学习仅关注相对于目标物品相关的那些信号，而物品模块学习提取关于物品属性最显著的内容。我们的多层次范式考虑到：并非所有评论同等有用，也并非每篇评论中所有句子同等相关。在多种真实数据集上的广泛实验结果证明了我们方法的有效性。
引用
@article{arxiv.2001.04346,
title = {Asymmetrical Hierarchical Networks with Attentive Interactions for Interpretable Review-Based Recommendation},
author = {Xin Dong and Jingchao Ni and Wei Cheng and Zhengzhang Chen and Bo Zong and Dongjin Song and Yanchi Liu and Haifeng Chen and Gerard de Melo},
journal= {arXiv preprint arXiv:2001.04346},
year = {2020}
}