面向时间感知序列推荐的注意力混合模型
信息检索
2023-07-04 v2 机器学习
摘要
Transformer 已成为序列推荐的有力方法。然而,现有架构往往忽视了用户偏好与时间上下文之间的复杂依赖关系。在这篇短文中,我们提出了 MOJITO,一种改进型的 Transformer 序列推荐系统,用以解决这一局限。MOJITO 利用基于注意力的时域上下文与物品嵌入表示的高斯混合进行序列建模。该方法能够根据用户的历史行为和时域上下文准确预测接下来应向用户推荐哪些物品。我们通过在多个真实世界数据集上实证优于现有 Transformer 序列推荐模型,证明了该方法的有效性。
引用
@article{arxiv.2304.08158,
title = {Attention Mixtures for Time-Aware Sequential Recommendation},
author = {Viet-Anh Tran and Guillaume Salha-Galvan and Bruno Sguerra and Romain Hennequin},
journal= {arXiv preprint arXiv:2304.08158},
year = {2023}
}
备注
SIGIR 2023