CoupleNet：利用耦合注意力关注情侣对的关系推荐方法

恋爱与浪漫关系不仅在我们的个人生活中扮演着重要角色，也 collectively 影响并塑造着社会。如今，许多浪漫伴侣关系起源于互联网，这标志着技术与网络在现代约会中的重要性。在本文中，我们提出了一种基于文本的计算方法，用于估计社交媒体上两名用户的关系契合度。与许多先前为在线约会网站提出互惠推荐系统的工作不同，我们设计了一种远程监督启发式方法，从 Twitter 等社交平台获取现实世界中的情侣。我们的方法 CoupleNet 是一种基于端到端深度学习的估计器，它分析两名用户的社交资料，随后在用户之间进行相似性匹配。直观地说，我们的方法在统一的端到端框架内同时完成用户画像与撮合。CoupleNet 利用分层循环神经模型学习用户资料的表示，随后利用耦合注意力机制融合从两名用户聚合的信息。据我们所知，我们的方法是针对这一新颖关系推荐问题的首个数据驱动的深度学习方案。我们将 CoupleNet 与若干机器学习和深度学习基线进行了基准比较。实验结果表明，我们的方法在准确率方面显著优于所有方法。定性分析表明，我们的模型还能够向用户生成可解释的结果。