用高阶用户上下文偏好增强循环神经网络以实现基于会话的推荐
信息检索
2018-05-10 v1 机器学习
机器学习
摘要
近来将循环神经网络（RNNs）用于会话建模，相较以往方法取得了显著的性能提升。然而，在上下文感知的会话建模方面，现有基于RNN的模型存在局限：其并非为显式建模丰富的静态用户侧上下文（如年龄、性别、位置）而设计。因此，本文探究了显式用户侧上下文建模对于RNN会话模型的效用。具体而言，我们提出一种增强型RNN（ARNN）模型，利用基于乘积的神经网络（PNN）提取高阶用户上下文偏好，以增强任意现有的RNN会话模型。评估结果表明，在具备丰富用户侧上下文时，我们所提模型大幅优于基线RNN会话模型。
引用
@article{arxiv.1805.02983,
title = {Augmenting Recurrent Neural Networks with High-Order User-Contextual Preference for Session-Based Recommendation},
author = {Younghun Song and Jae-Gil Lee},
journal= {arXiv preprint arXiv:1805.02983},
year = {2018}
}