用于基于历史推荐的基于注意力的循环混合密度网络
机器学习
2017-09-25 v1 信息检索
摘要
个性化基于历史推荐的目标是，给定用户之前的购买序列，自动输出所有物品上的一个分布。在本工作中，我们提出了一种新颖的方法，使用循环网络来总结购买历史，使用连续向量表示物品以实现可扩展性，并使用一种新颖的基于注意力的循环混合密度网络（按顺序输出混合中的各个分量）来建模多模态条件分布。我们在两个公开可用的数据集 MovieLens-20M 和 RecSys15 上评估了所提出的方法。实验表明，所提出的明确建模预测分布多模态特性的方法，在精确率、召回率和 nDCG 方面能够提升相对于各种基线的性能。
引用
@article{arxiv.1709.07545,
title = {Attention-based Mixture Density Recurrent Networks for History-based Recommendation},
author = {Tian Wang and Kyunghyun Cho},
journal= {arXiv preprint arXiv:1709.07545},
year = {2017}
}