用于序列推荐的弗洛伊德与牛顿式循环单元
信息检索
2021-02-16 v1 人工智能
机器学习
摘要
序列推荐系统旨在基于行为模式向用户推荐有吸引力的物品。主流的序列推荐模型基于自然语言处理模型，如门控循环单元，将物品嵌入到某个定义的空间中，并基于物品嵌入把握用户的长期和短期偏好。然而，这些方法缺乏对这类模型如何与用户内在决策过程相关联的根本性洞察。为提供该洞察，我们从弗洛伊德和牛顿的视角提出了一种新颖的循环单元，即FaNC。FaNC将用户状态划分为意识与无意识状态，并且用户的决策过程由弗洛伊德的两大原则建模：快乐原则和现实原则。为建模快乐原则（即自由漂浮的用户本能），我们将用户的无意识状态与物品嵌入置于同一潜空间，并使其服从牛顿万有引力定律。此外，为向用户推荐物品，我们通过门控函数建模现实原则，即平衡意识与无意识状态。基于在各种基准数据集上的大量实验，本文提供了对所提模型特性的洞察。FaNC在精神分析与推荐系统交汇处开启了序列推荐的新方向。
引用
@article{arxiv.2102.07645,
title = {Freudian and Newtonian Recurrent Cell for Sequential Recommendation},
author = {Hoyeop Lee and Jinbae Im and Chang Ouk Kim and Sehee Chung},
journal= {arXiv preprint arXiv:2102.07645},
year = {2021}
}