利用行为一致性实现通用用户表示
机器学习
2020-12-14 v1 人工智能
信息检索
摘要
用户建模对于工业界开发个性化服务至关重要。用户建模的一种常见方法是学习能够通过兴趣或偏好加以区分的用户表示。本文致力于开发通用用户表示模型。所得到的通用表示预期包含丰富信息，并可在无需进一步修改的情况下应用于各类下游任务（例如用户偏好预测与用户画像）。据此，我们得以摆脱以往工作中为每个下游任务训练特定模型的繁重工作。具体而言，我们提出自监督用户建模网络（SUMN）将行为数据编码为通用表示。其包含两个关键组件：其一为一种新的学习目标，在自监督学习框架下引导模型充分识别并保留有价值的用户信息；其二为一种多跳聚合层，可提升模型聚合多样行为的能力。在基准数据集上的大量实验表明，我们的方法优于最先进的（SOTA）无监督表示方法，甚至可与有监督方法相媲美。
引用
@article{arxiv.2012.06146,
title = {Exploiting Behavioral Consistence for Universal User Representation},
author = {Jie Gu and Feng Wang and Qinghui Sun and Zhiquan Ye and Xiaoxiao Xu and Jingmin Chen and Jun Zhang},
journal= {arXiv preprint arXiv:2012.06146},
year = {2020}
}
备注
Preprint of accepted AAAI2021 paper