AutoMLP：面向序列推荐的自动化 MLP
信息检索
2023-03-14 v1 人工智能
机器学习
摘要
序列推荐系统旨在根据用户的历史交互预测其下一个感兴趣的物品。然而，一个长期存在的问题是如何区分用户可能异质且对下一次推荐贡献不同的长期与短期兴趣。现有方法通常通过穷举搜索或经验设定预定义的短期兴趣长度，要么效率极低，要么结果欠佳。近期先进的基于 transformer 的模型虽能取得最先进（SOTA）性能而规避上述问题，但其计算复杂度相对于输入序列长度呈二次方。为此，本文提出一种新颖的序列推荐系统 AutoMLP，旨在更好地从用户历史交互中建模其长期与短期兴趣。此外，我们设计了一种通过端到端优化自动自适应搜索较优短期兴趣长度的算法。通过大量实验，我们表明 AutoMLP 在保持线性计算复杂度的同时，与最先进方法相比具有竞争性性能。
引用
@article{arxiv.2303.06337,
title = {AutoMLP: Automated MLP for Sequential Recommendations},
author = {Muyang Li and Zijian Zhang and Xiangyu Zhao and Wanyu Wang and Minghao Zhao and Runze Wu and Ruocheng Guo},
journal= {arXiv preprint arXiv:2303.06337},
year = {2023}
}
备注
Accepted by WWW'23