融合歌曲特征的注意力神经架构用于音乐推荐
信息检索
2018-11-21 v1
摘要
推荐系统是音乐分享平台不可或缺的一部分。这些系统的目标通常是增加用户在平台上停留的时间，因此具有很高的商业价值。旨在增加用户平均停留时长的系统往往需要在每个时刻推荐用户可能接下来想听的歌曲。这与那些试图预测用户在其生命周期中某时刻可能感兴趣但不一定是近期感兴趣物品的推荐系统不同。预测用户可能喜欢的下一首歌需要对给定时刻的用户兴趣进行某种建模。注意力神经网络一直利用用户选择物品的顺序来建模用户在下一物品预测任务中的隐式短期兴趣，然而我们认为，序列中出现的歌曲特征也能传达仅由物品本身无法体现的关于用户短期兴趣的重要信息。为此，我们提出了一种新颖的注意力神经架构，除利用用户选择的物品序列外，还使用这些物品的特征来更好地学习用户短期偏好并推荐下一首歌曲给用户。
引用
@article{arxiv.1811.08203,
title = {Attentive Neural Architecture Incorporating Song Features For Music Recommendation},
author = {Noveen Sachdeva and Kartik Gupta and Vikram Pudi},
journal= {arXiv preprint arXiv:1811.08203},
year = {2018}
}
备注
Accepted as a paper at the 12th ACM Conference on Recommender Systems (RecSys 18)