Attentive Item2Vec：神经注意力用户表示
信息检索
2020-04-21 v3 机器学习
机器学习
摘要
推荐系统的分解方法倾向于将用户表示为单一潜在向量。然而，用户的行为与兴趣可能随呈现给用户的推荐上下文而变化。例如，在电影推荐中，通常早期用户数据不如近期数据具信息量。但某部早期电影可能因热门续集电影的出现而突然变得相关。这仅是潜在新推荐下用户兴趣动态变化的一个例子。本工作中，我们提出Attentive Item2vec（AI2V）——Item2vec（I2V）的新型注意力版本。AI2V采用上下文-目标注意力机制，以针对潜在推荐项（目标）学习并捕捉用户历史行为（上下文）的不同特征。该注意力上下文-目标机制促成了最终的神经注意力用户表示。我们在多个数据集上验证了AI2V的有效性，其表现优于其他基线。
引用
@article{arxiv.2002.06205,
title = {Attentive Item2Vec: Neural Attentive User Representations},
author = {Oren Barkan and Avi Caciularu and Ori Katz and Noam Koenigstein},
journal= {arXiv preprint arXiv:2002.06205},
year = {2020}
}
备注
Accepted to ICASSP 2020